时间:2021-05-22
实际项目中有这样的需求,将某一列的值,映射成类别型的数据,这个时候,需要我们将范围等频切分,或者等距切分。
具体的做法可以先看某一些特征的具体分布情况,然后我们选择合适的阈值进行分割。
def age_map(x): if x < 26: return 0 elif x >=26 and x <= 35: return 1 elif x > 35 and x <= 45: return 2 elif pd.isnull(x): #判断是否为NaN值,== 和in 都无法判断 return 3 else: return 4也就是用pandas自带的函数来表示:
pd.isnull(x)最后我们可以应用map函数:
data['age'] = data['birth_year'].map(age_map)以上这篇对pandas数据判断是否为NaN值的方法详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
前言运用pandas库对所得到的数据进行数据清洗,复习一下相关的知识。1数据清洗1.1处理缺失数据对于数值型数据,分为缺失值(NAN)和非缺失值,对于缺失值的检
基础语法、类型、变量非数字值的判断方法:(因为Infinity和NaN他们不等于任何值,包括自身)1、用x!=x,当x为NaN时才返回true;2、用isNaN
jquery判断值是否为空,针对前台提交数据的校验的代码如下: 1、 用js判断隐藏域的值是否为空。 方法一: Js代码:varkeyVal=$("
jQuery提供判断数据类型的一些方法: 以下方法对参数进行判断,返回一个布尔值。 jQuery.isArray():是否为数组。 jQuery.is
isNaN函数返回一个Boolean值,指明提供的值是否是保留值NaN(不是数字)。NaN即NotaNumberisNaN(numValue)必选项numval