数据准备中 5 个常见的 Python 陷阱

Joseph Gordon-Levitt
发布: 2024-10-29 10:06:36
转载
505 人浏览过

Python 是一种强大的数据准备语言,但也有一些不足 人们可能会遇到的常见错误或陷阱。 在这篇博文中,我将 讨论人们在使用时遇到的五个最常见问题 Python 用于数据准备。

数据准备中 5 个常见的 Python 陷阱

1.将缺失值 (`NaN`) 视为 false。

False、None 和 0(任何数字类型)均计算为 False。

这组对象和值被称为“假”,并且会 评估为假。 NaN 或缺失值不是假值,因此 不会评估为 false。这可能会导致许多操作出现混乱和意外行为。

2.尝试比较缺失值

NaN == NaN 将返回 true 似乎很简单。两个值“看起来”相同。

但是,由于不可能知道两个缺失值是否相同,因此此操作将始终返回 false。

3.认为 all() 仅当所有元素都为 true 时才返回 true。

如果可迭代的所有元素都为 true(或者如果可迭代对象为空)。 

不要将其视为“如果 iterable 都是 true,”而是“如果没有 false,则返回 true 可迭代对象中的元素。”

当可迭代对象为空时,其中不能有 false 元素,这意味着 all([]) 的计算结果为 True。

4。转换为 bool 值

Pandas 遵循 numpy 约定,当你 尝试将某些内容转换为布尔值。这发生在 if 或使用时 布尔运算,and,or,or not。

尚不清楚结果应该是什么。应该是真的吗 因为它不是零长度? False,因为存在 False 值?

尚不清楚,所以 Pandas 会引发 ValueError

ValueError:系列的真值不明确。 

使用 a.empty、a.bool() a.item()、a.any() 或 a.all()。

5。了解 isin() 运算的结果。

isin() 运算返回一个布尔系列,显示 Series 中的每个元素是否完全包含在传递的 值序列。

 s = pd.Series(['dog', 'cat', 'fish'])
>>> s.isin(['bird'])
0    False
1    False
2    False
dtype: bool
登录后复制

请注意,该系列中不存在“鸟”。

>>> s.isin(['bird', 'cat'])
0    False
1     True
2    False
dtype: bool
登录后复制

注意“猫”确实存在于该系列的第二个值中。

了解有关使用 Python 进行数据准备的更多信息

Python 是一门强大的语言,但可能会造成混乱出现在周围 缺失值和布尔值。 请记住,缺失值是 被认为是错误的,无法进行比较。 

使用 all() 方法时,请记住它会返回 当迭代中没有 false 值时为 true。  如果所有值都是 缺失,就像空数组的情况一样,all() 也会返回 true,因为缺失值不被视为 false。 

如果您在尝试转换为 bool 值时收到 ValueError,请务必采纳有用的建议并使用建议的方法之一。

以上是数据准备中 5 个常见的 Python 陷阱的详细内容。更多信息请关注PHP中文网其他相关文章!

相关标签:
来源:pluralsight.com
本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
作者最新文章
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责声明 Sitemap
PHP中文网:公益在线PHP培训,帮助PHP学习者快速成长!