如何将数值与nan值分开？

Question

我的熊猫数据框缺少很多数据。

d = dfs['REV_PIZ'].isna()

输出为布尔值。

0        True
1        True
2        True
3        True
4        True
5        True
6        True
7        True

我真正想要的是仅包含数值d，这将使我能够在本专栏上进行进一步的数学运算。

Answer 1

目前尚不清楚是否存在非数值，因此有两种可能的解决方案：

---

如果所有值都是数字，则可以对isna使用boolean indexing ：

d = dfs[dfs['REV_PIZ'].notna()]

或dropna柱REV_PIZ ：

d = dfs.dropna(subset=['REV_PIZ'])

样品 ：

dfs = pd.DataFrame({'REV_PIZ':[1,2,np.nan]})
d = dfs.dropna(subset=['REV_PIZ'])
print (d)
   REV_PIZ
0      1.0
1      2.0

---

如果将数字与非数字混合，则将to_numeric添加到errors='coerce'以将非数字转换为NaN ：

dfs = pd.DataFrame({'REV_PIZ':[1,2,np.nan,'a']})
dfs['REV_PIZ'] = pd.to_numeric(dfs['REV_PIZ'], errors='coerce')
d = dfs.dropna(subset=['REV_PIZ'])
print (d)
   REV_PIZ
0      1.0
1      2.0

Answer 2

我认为您的问题几乎可以回答自己，您可以像这样过滤掉它们

d = dfs[~dfs['REV_PIZ'].isna()]

Answer 3

这应该工作-

d=dfs.query("REV_PIZ==REV_PIZ")

请参阅此处- 在熊猫中查询NaN和其他名称