Tôi nghĩ rằng điều này có ý nghĩa vì bạn kéo numpy vào phạm vi gián tiếp thông qua nhập sao.
>>> import numpy as np >>> [0.0,0.0]/0 Traceback (most recent call last): File "<ipython-input-3-aae9e30b3430>", line 1, in <module> [0.0,0.0]/0 TypeError: unsupported operand type(s) for /: 'list' and 'int' >>> [0.0,0.0]/np.float64(0) array([ nan, nan])Khi bạn đã làm
from matplotlib.pylab import *Nó kéo vào numpy.sum:
>>> from matplotlib.pylab import * >>> sum is np.sum True >>> [0.0,0.0]/sum([0.0, 0.0]) array([ nan, nan])Bạn có thể kiểm tra rằng đối tượng nan này (nan nói chung không phải là duy nhất) nằm trong danh sách thông qua danh tính, nhưng nếu bạn thử nó trong một array, nó dường như kiểm tra thông qua bình đẳng và from matplotlib.pylab import * 0:this nan object (nan isn't unique in general) is in a list via identity, but if you try it in an array it seems to test via equality, and from matplotlib.pylab import * 0:
>>> nan == nan False >>> nan == nan, nan is nan (False, True) >>> nan in [nan] True >>> nan in np.array([nan]) FalseBạn có thể sử dụng from matplotlib.pylab import * 1:
>>> np.isnan([nan, nan]) array([ True, True], dtype=bool) >>> np.isnan([nan, nan]).any() TrueLàm thế nào để bạn kiểm tra nếu một chiếc phao là một nan? Nan có phải là một giá trị trong Python? NAN là một giá trị nổi trong Python trong Python, loại phao có NAN. Bạn có thể tạo NAN với Float ('Nan'). Các phương pháp sáng tạo khác được mô tả sau. Ví dụ: nếu bạn đọc một tệp CSV trong Numpy hoặc Pandas, các giá trị bị thiếu được biểu thị bởi NAN (NAN trong Pandas). math từ Numpy nhập Nan numpy import nan Làm cách nào để kiểm tra xem danh sách có trống trong Python không?= [10, nan, 20, nan, 30, nan, 40, nan,
50] print(L1)(L1) Danh sách trống được coi là sai trong Python, do đó hàm bool () sẽ trả về sai nếu danh sách được thông qua như một đối số. Các phương thức khác bạn có thể sử dụng để kiểm tra xem danh sách có trống đang đặt nó bên trong câu lệnh IF, sử dụng các phương thức Len () hoặc so sánh nó với một danh sách trống.= [item for item in L1 if not(math.isnan(item) = = False] print(L2)(L2)Để kiểm tra xem một điểm nổi hoặc số kép là NAN (không phải là số) trong C ++, chúng ta có thể sử dụng hàm isnan (). Hàm isnan () có mặt trong thư viện CMATH. Hàm này được giới thiệu trong phiên bản C ++ 11.
Làm thế nào để bạn kiểm tra xem có nan trong gấu trúc không?
Dưới đây là 4 cách để kiểm tra NAN trong Pandas DataFrame:.
.
Nhập khẩu NUMPY dưới dạng NPas np
từ Numpy nhập Nan numpy import nan
ARR1 = np.array ([Nan, 88, Nan, 36, Nan, 49, Nan]= np.array([nan, 88, nan, 36, nan, 49, nan]
print(Arr1)(Arr1)
ARR2 = ARR1 [np.logica_not 9np.insan (ARR1))]]= Arr1 [ np.logica_not 9np.insan(Arr1))]
print(Arr2)(Arr2)
Chúng tôi đã có danh sách ban đầu và bản cập nhật.
Phương pháp 03: hàm isnull () của mô -đun pandas
Chức năng của isnull () của gói Panda cũng có thể được sử dụng cho mục đích này. Vì vậy, nhập các gấu trúc và thư viện numpy. Sau đó, chúng tôi đã xác định một danh sách với một số giá trị chuỗi và NAN và in nó. Đã sử dụng hàm isnull () thông qua đối tượng panda với cùng một cú pháp theo sau trong ví dụ trên. Một danh sách mới không có NAN sẽ được lưu và in ra.
nhập khẩu gấu trúc dưới dạng PD pandas as pd
từ Numpy nhập Nan numpy import nan
ARR1 = np.array ([Nan, 88, Nan, 36, Nan, 49, Nan]= [‘John’, nan, ‘marry’, nan, ‘william’, nan, nan, ‘fredick’ ]
print(L1)(L1)
ARR2 = ARR1 [np.logica_not 9np.insan (ARR1))]]= [item for item in L1 if not(pd.isnull(item) = = True]
print(L2)(L2)
Chúng tôi đã có danh sách ban đầu và bản cập nhật.
Phương pháp 03: hàm isnull () của mô -đun pandas
Chức năng của isnull () của gói Panda cũng có thể được sử dụng cho mục đích này. Vì vậy, nhập các gấu trúc và thư viện numpy. Sau đó, chúng tôi đã xác định một danh sách với một số giá trị chuỗi và NAN và in nó. Đã sử dụng hàm isnull () thông qua đối tượng panda với cùng một cú pháp theo sau trong ví dụ trên. Một danh sách mới không có NAN sẽ được lưu và in ra.
từ Numpy nhập Nan numpy import nan
ARR1 = np.array ([Nan, 88, Nan, 36, Nan, 49, Nan]= [‘John’, nan, ‘marry’, nan, ‘william’, nan, nan, ‘fredick’ ]
print(L1)(L1)
ARR2 = ARR1 [np.logica_not 9np.insan (ARR1))]]=[ ]
Chúng tôi đã có danh sách ban đầu và bản cập nhật.in L1
Phương pháp 03: hàm isnull () của mô -đun pandasstr(i) != ‘nan’
Chức năng của isnull () của gói Panda cũng có thể được sử dụng cho mục đích này. Vì vậy, nhập các gấu trúc và thư viện numpy. Sau đó, chúng tôi đã xác định một danh sách với một số giá trị chuỗi và NAN và in nó. Đã sử dụng hàm isnull () thông qua đối tượng panda với cùng một cú pháp theo sau trong ví dụ trên. Một danh sách mới không có NAN sẽ được lưu và in ra.append(i)
print(L2)(L2)
nhập khẩu gấu trúc dưới dạng PD
L1 = [‘John, Nan,‘ kết hôn, Nan, ‘William, Nan, Nan,‘ Fredick,]
L2 = [Mục cho mục trong L1 IF & NBSP; không (pd.isnull (item) == true]
từ Numpy nhập Nan numpy import nan
ARR1 = np.array ([Nan, 88, Nan, 36, Nan, 49, Nan]= [‘John’, nan, ‘marry’, nan, ‘william’, nan, nan, ‘fredick’ ]
print(L1)(L1)
ARR2 = ARR1 [np.logica_not 9np.insan (ARR1))]]= [item for item in L1 if str( (item) = = ‘nan’]
print(L2)(L2)
Chúng tôi đã có danh sách ban đầu và bản cập nhật.
Conclusion:
Phương pháp 03: hàm isnull () của mô -đun pandas
Chức năng của isnull () của gói Panda cũng có thể được sử dụng cho mục đích này. Vì vậy, nhập các gấu trúc và thư viện numpy. Sau đó, chúng tôi đã xác định một danh sách với một số giá trị chuỗi và NAN và in nó. Đã sử dụng hàm isnull () thông qua đối tượng panda với cùng một cú pháp theo sau trong ví dụ trên. Một danh sách mới không có NAN sẽ được lưu và in ra.
nhập khẩu gấu trúc dưới dạng PD