如何在python中用NaN替換空序列值

Question

我遍歷許多列，並將它們的摘要統計量（例如均值，中位數，偏度和峰度）存儲在以下字典中：

metrics_dict['skewness'] = data_col.skew().values[0]
metrics_dict['kurtosis'] = data_col.kurt().values[0]
metrics_dict['mean'] = np.mean(data_col)[0]
metrics_dict['median'] = np.median(data_col)

但是對於某些列，它給出如下錯誤：

IndexError: index out of bounds

有問題的列如下：

Index          device
61021           C:2
61022          D:3+
61023          D:3+
61024           B:1
61025          D:3+
61026           C:2 

我只想在這樣的列的情況下將NA附加到字典上，而不會讓錯誤中斷我的循環。 這里的index只是數據幀的索引，操作中的列是device。 請注意，數據中有大量的數字列（〜500），其中2 -3列就像設備，因此我只需要為這些字典添加NA並移至下一列。 有人可以告訴我如何使用python嗎？

Answer 1

由於這些統計信息僅對數字列有意義，因此您可以嘗試隔離數字列。 使用pd.DataFrame.select_dtypes可以pd.DataFrame.select_dtypes ：

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

numeric_cols = df.select_dtypes(include=numerics).columns

for col in df:
    if col in numeric_cols:
        # calculate & add some values to dictionary
    else:
        # add NA values to dictionary

Answer 2

您可以嘗試使用try / except IndexError

try:
   # whatever you do that might rise an IndexError
except IndexError:
   # append NA to dict

Answer 3

選擇要在其中將空值設置為nan的數據框列。

df[df['col'] == ''] = np.nan

希望這可以幫助。