处理DataFrame的inf值的技巧有什�
Admin 2022-09-03 群英技术资�
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)
numpy中inf的相关文�
IEEE 754浮点表示(正)无穷大�
>>> 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])
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�
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�
常见的处理方法:
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
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
深度学习已经成为机器学习中最受欢迎和发展最快的领域。深度学习的常见应用包括语音识别、图像识别、自然语言处理、推荐系统等等。本文将通过一些示例代码,带你详细了解深入学习
这篇文章主要介绍了Python3时间转换之时间戳转换为指定格式的日期,需要的朋友可以参考下
本文讲述如何使用 tkinter 的布局管理 (被称� layout managers � geometry managers). tkinter 有三种布局管理方式:pack,grid,place。注意这三种布局管理在同一� master window 里一定不可以混用! 布局管理有以下功�:
本文主要介绍了Python 列表推导式与字典推导式的实现,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一�
本文主要介绍了Python绘制多因子柱状图的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
成为群英会员,开启智能安全云计算之旅
立即注册Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所�
增值电信经营许可证 : B1.B2-20140078