[英]How to filter a pandas dataframe till it finds a value in NaN column?
[英]Value filter in pandas dataframe keeping NaN
我正在嘗試從數據框中過濾小於某個值的數據。 如果沒有 NaN 則它工作正常。 但是當有 nan 時,它會忽略 NaN 值。 我想一直包含它並不重要,它小於或大於比較值。
import pandas as pd
import numpy as np
df = pd.DataFrame(
{
'index': [1, 2, 3, 4, 5, 6, 7, 8, 9],
'value': [5, 6, 7, np.nan, 9, 3, 11, 34, 78]
}
)
df_chunked = df[(df['index'] >= 1) & (df['index'] <= 5)]
print('df_chunked')
print(df_chunked)
df_result = df_chunked[(df_chunked['value'] < 10)]
# df_result = df_chunked[(df_chunked['value'] < 10) | (df_chunked['value'] == np.isnan(df_chunked['value']))]
print('df_result')
print(df_result)
在上面的結果中顯示 5,6,7,9。 但我也想要那里的 nan。 我試過
df_result = df_chunked[(df_chunked['value'] < 10) | (df_chunked['value'] == np.isnan(df_chunked['value']))]
但它不起作用。
我怎樣才能做到這一點?
使用非運算符: ~
df_chunked[~(df_chunked['value'].ge(10))]
#df_chunked[~(df_chunked['value']>=10)] #greater or equal(the same)
index value
0 1 5.0
1 2 6.0
2 3 7.0
3 4 NaN
4 5 9.0
為什么?
因為邏輯運算簡單地忽略NaN
值並將其視為False
,始終如您在以下數據框中看到的那樣,如果您想避免使用series.isna
(避免不必要的附加代碼)並簡化您的代碼,只需使用逆邏輯與~
print(df.assign(greater_than_5 = df['value'].gt(5),
not_greater_than_5 = df['value'].le(5)))
index value greater_than_5 not_greater_than_5
0 1 5.0 False True
1 2 6.0 True False
2 3 7.0 True False
3 4 NaN False False
4 5 9.0 True False
5 6 3.0 False True
6 7 11.0 True False
7 8 34.0 True False
8 9 78.0 True False
嘗試:
df_result = df_chunked[(df_chunked['value'] < 10) | (df_chunked['value'].isna())]
df_result
index value
0 1 5.0
1 2 6.0
2 3 7.0
3 4 NaN
4 5 9.0
您可以簡單地定義您的 df_result 如下:
df_result = df_chunked[(df_chunked["value"] < 10) | (df_chunked["value"].isnull())]
那個有效。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.