处理DataFrame的inf值的技巧有什�

Admin 2022-09-03 群英技术资�

这篇文章给大家分享的是处理DataFrame的inf值的技巧有什么。小编觉得挺实用的,因此分享给大家做个参考,文中的介绍得很详细,而要易于理解和学习,有需要的朋友可以参考,接下来就跟随小编一起了解看看吧�

如何处理DataFrame的inf�

在用DataFrame计算变化率时,例�(今天-昨天) / 昨天恰好�(2-0) / 0时,这些结果数据会变为inf�

为了方便后续处理,可以利用numpy,将这些inf值进行替捀�

1. 将某1列(series格式)中� inf 替换为数值�

import numpy as np
 
df['Col'][np.isinf(df['Col'])] = -1

2. 将某1列(series格式)中� inf 替换为NA值�

import numpy as np
 
df['Col'][np.isinf(df['Col'])] = np.nan

3. 将整个DataFrame中的 inf 替换为数值(空值同理)�#感谢评论区的补充

import numpy as np
 
df.replace(np.inf, -1) #替换正inf�-1
 
#替换正负inf为NA,加inplace参数 
df.replace([np.inf, -np.inf], np.nan, inplace=True)

DataFrame有关inf的处理技�

numpy中inf的相关文�

什么是inf�

IEEE 754浮点表示(正)无穷大�

为什么会产生�

>>> np.NINF
-inf
>>> np.inf
inf
>>> np.log(0)
-inf
>>> np.array([1,2])/0 #碰到的最多的情况
array([ inf,  inf])

产生inf有什么好处?

目前没看到有什么好处,只是单纯用inf表示无穷大,方便理解和表示�

产生inf有什么坏处?

对用户而言,对inf需要特殊处理,加大了工作量�

为什么需要特殊处理?因为许多机器学习算法库并不支持对inf的处理�

怎么处理�

常见的处理方法:

  • 不处�
  • 替换

怎么获取到inf的所在位置并进行填补�

  • isinf:显示哪些元素为正或负无穷大
  • isposinf:显示哪些元素为正无穷大
  • isneginf:显示哪些元素为负无穷大
  • isnan:显示哪些元素不是数�
  • isfinite:显示哪些元素是有限的(不是非数字,正无穷大和负无穷大中的一个)
'''
>>> np.isinf(np.inf) #其他函数同理使用,isinf使用最多�
True
>>> np.isinf(np.array([1,np.inf]))
array([False,  True], dtype=bool)
>>>np.isinf(pd.DataFrame(np.array([1,np.inf])))
       0
0  False
1   True
>>>s1 = pd.Series([1,2,3,np.inf])
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64
#对inf填补 999
>>>s1[np.isinf(s1)] = 999
>>>s1
0    1.0
1    2.0
2    3.0
3  999.0
dtype: float64
#对inf填补np.nan (较为常用)
>>>s1[np.isinf(s1)] = np.nan
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

现在大家对于处理DataFrame的inf值的技巧有什么的内容应该都有一定的认识了吧,希望这篇能对大家有所帮助。最后,想要了解更多,欢迎关注群英网络,群英网络将为大家推送更多相关的文章�

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:[email protected]进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容�

猜你喜欢

成为群英会员,开启智能安全云计算之旅

立即注册
专业资深工程师驻�
7X24小时快速响�
一站式无忧技术支�
免费备案服务
免费拨打  400-678-4567
免费拨打  400-678-4567 免费拨打 400-678-4567 � 0668-2555555
在线客服
微信公众号
返回顶部
返回顶部 返回顶部