#missing values
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #给1和2行1列赋值=1
缺失值 NaN
废弃或者填充
df1.dropna() #废弃
df1.fillna(values=1) #填充确实值为1
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #给1和2行1列赋值=1
缺失值 NaN
废弃或者填充
df1.dropna() #废弃
df1.fillna(values=1) #填充确实值为1
2017-10-31
看懂了在哪里进行实例演练呀
def.loc[:,"D"]=np.array([4]*len(df)) #将D列全部改为4
def.loc[:,"D"]=np.array([4]*len(df)) #将D列全部改为4
2017-10-31
typr(df["A"]) #A列的属性
dataframe是由series组成的 而series是dataframe的个例
dataframe是由series组成的 而series是dataframe的个例
2017-10-31
axis=1,ascending=False是什么意思??
其中axis=1表示对所有的columns进行排序,下面的数也跟着发生移动。后面的ascending=False表示按降序排列,参数缺失时默认升序。
其中axis=1表示对所有的columns进行排序,下面的数也跟着发生移动。后面的ascending=False表示按降序排列,参数缺失时默认升序。
2017-10-31
最赞回答 / _Geng
刚接触,看到这块,老师说的不太清楚,从结果看应该是|x| < 0.5 时, abs(x) <0.5 ==1, y~1 范围填充,|x| > 0.5 时, abs(x) <0.5 ==0, 0~y范围 填充, 简言之就是在y 和 表达式返回值之间填充
2017-10-30