Python 是一種強大的資料準備語言,但也有一些不足 人們可能會遇到的常見錯誤或陷阱。 在這篇文章中,我將 討論人們在使用時遇到的五個最常見問題 Python 用於資料準備。
False、None 和 0(任何數字類型)都計算為 False。
這組物件和值稱為“假”,並且會 評估為假。 NaN 或缺失值不是假值,因此 不會評估為 false。這可能會導致許多操作出現混亂和意外行為。
NaN == NaN 將返回true很簡單。兩個值「看起來」相同。
但是,由於不可能知道兩個缺失值是否相同,因此此操作將始終傳回 false。
如果可迭代的所有元素都為 true(或如果可迭代物件為空)。
不要視為「如果 iterable 都是 true,」而是「如果沒有 false,則傳回 true 可迭代物件中的元素。 ”
當可迭代物件為空時,其中不能有false 元素,這意味著all([]) 的計算結果為True。
尚不清楚結果應該是什麼。應該是真的嗎 因為它不是零長度? False,因為存在 False 值?
尚不清楚,所以Pandas 會引發ValueError
ValueError:系列的值不明確。
使用 a.empty、a.bool() a.item()、a.any() 或 a.all()。
5。了解 isin() 運算的結果。
s = pd.Series(['dog', 'cat', 'fish']) >>> s.isin(['bird']) 0 False 1 False 2 False dtype: bool
請注意,該系列中不存在「鳥」。
>>> s.isin(['bird', 'cat']) 0 False 1 True 2 False dtype: bool
注意「貓」確實存在於該系列的第二個值中。
Phon🎜>門強大的語言,但可能會造成混亂出現在周圍 缺失值和布林值。 請記住,缺失值是 被認為是錯誤的,無法進行比較。
使用 all() 方法時,請記住它會返回 當迭代中沒有 false 值時為 true。 如果所有值都是 缺失,就像空數組的情況一樣,all() 也會傳回 true,因為缺失值不被視為 false。
如果您在嘗試轉換為 bool 值時收到 ValueError,請務必採納有用的建議並使用建議的方法之一。
以上是資料準備中 5 個常見的 Python 陷阱的詳細內容。更多資訊請關注PHP中文網其他相關文章!