我想使用 boolean 索引,检查我的数据框中特定列不具有NaN
值的行。所以,我做了以下事情:
import pandas as pd
my_df.loc[pd.isnull(my_df['col_of_interest']) == False].head()
查看该数据框的片段,仅包括不是 NaN
的值(大多数值是 NaN
)。
它有效,但似乎不够优雅。我想输入:
my_df.loc[!pd.isnull(my_df['col_of_interest'])].head()
但是,这产生了一个错误。我也花了很多时间在 R 上,所以也许我把事情弄糊涂了。在 Python 中,我通常会尽可能地使用语法“not”。例如,if x is not none:
,但我在这里做不到。有没有更优雅的方式?我不喜欢进行无意义的比较。
最佳答案
一般来说,对于 pandas(和 numpy),我们使用按位非 ~
而不是 !
或 not
(其行为不能被类型覆盖)。
虽然在这种情况下我们有 notnull
,但在没有特殊相反方法的情况下,~
可以派上用场。
>>> df = pd.DataFrame({"a": [1, 2, np.nan, 3]})
>>> df.a.isnull()
0 False
1 False
2 True
3 False
Name: a, dtype: bool
>>> ~df.a.isnull()
0 True
1 True
2 False
3 True
Name: a, dtype: bool
>>> df.a.notnull()
0 True
1 True
2 False
3 True
Name: a, dtype: bool
(为了完整起见,我会注意到 -
,一元否定运算符,也适用于 boolean 系列,但 ~
是规范的选择, -
已弃用 numpy boolean 数组。)
关于python - 在 Pandas 数据框 boolean 索引中使用 "opposite boolean"的正确方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33512372/