Python-Pandas模块Series( 四 ) _Python-Pandas模块Series

7.2 多条件查询

print("-"*5 + "多条件查询" + "-"*5)print(s[(s > 2) & (s < 4) ])result:-----多条件查询-----c3dtype: int64注意：

多条件查询中的and以及or必须使用对应的符号来表示，and用&，or用|来表示；
使用多条件的时候，为了避免出错，在每个条件上最好加上括号；

8. Series缺失值的处理

判断Value值是否为缺失值，isnull()判断series中的缺失值以及s.notnull()判断series中的非缺失值；
删除缺失值
1. 使用dropna()；
2. 使用isnull()以及notnull();
填充缺失值
1. 使用fillna;
  1. 使用指定值填充缺失值；
  2. 使用插值填充缺失值；
    1. 向前填充ffill;
    2. 向后填充bfill;

# 创建一个带缺失值的Seriesimport pandas as pds = pd.Series([1,2,None,4])print(s)result:01.012.02NaN34.0dtype: float64

8.1 判断value值是否为缺失值

有两种方式判断：

s.isnull()判断s中的缺失值；
s.notnull()判断s中的非缺失值；

# 缺失值的地方为Trueprint("-"*5 + "使用s.isnull判断" + "-"*5)print(s.isnull())#缺失值的地方为Falseprint("-"*5 + "使用s.notnull判断" + "-"*5)print(s.notnull())result:-----使用s.isnull判断-----0False1False2True3Falsedtype: bool-----使用s.notnull判断-----0True1True2False3Truedtype: bool

8.2 删除缺失值

使用dropna()方法删除缺失值，返回新的Series对象；
使用series.isnull()以及series.notnull()方法，使用布尔筛选进行过滤出非缺失值；

print("-"*5 + "使用dropna()删除所有的缺失值" + "-"*5)print(s.dropna())print("-"*5 + "使用isnull()删除所有的缺失值" + "-"*5)print(s[~s.isnull()])print("-"*5 + "使用notnull()删除所有的缺失值" + "-"*5)print(s[s.notnull()])result:-----使用dropna()删除所有的缺失值-----01.012.034.0dtype: float64-----使用isnull()删除所有的缺失值-----01.012.034.0dtype: float64-----使用notnull()删除所有的缺失值-----01.012.034.0dtype: float64

8.3 使用fillna()填充缺失值

使用指定值填充缺失值；
使用插值填充缺失值；

print("-"*5 + "原来的Series" + "-"*5)print(s)print("-"*5 + "指定填充值0" + "-"*5)print(s.fillna(value = https://www.isolves.com/it/cxkf/bk/2020-07-19/0))print("-"*5 + "向前填充ffill" + "-"*5)print(s.fillna(method = "ffill"))print("-"*5 + "向后填充bfill" + "-"*5)print(s.fillna(method = "bfill"))result:-----原来的Series-----01.012.02NaN34.0dtype: float64-----指定填充值0-----01.012.020.034.0dtype: float64-----向前填充ffill-----01.012.022.034.0dtype: float64-----向后填充bfill-----01.012.024.034.0dtype: float64

注意：
默认情况下，填充缺失值都会创建一个新的Series对象，如果希望直接在原来的Series上进行修改的话，可以使用下面两种方式：