Удаление строк, где объект NaN [дубликат]
URLEncoder должен быть способом. Вам нужно только иметь в виду только кодировать только имя и / или значение имени строки запроса, а не весь URL-адрес, а не символ разделителя параметров строки запроса & или имя параметра- символ разделителя значений =.
String q = "random word £500 bank $";
String url = "http://example.com/query?q=" + URLEncoder.encode(q, "UTF-8");
Обратите внимание, что пробелы в параметрах запроса представлены +, а не %20, что является законно действительным. %20 обычно используется для представления пробелов в самом URI (часть перед символом разделителя строки URI-запроса ?), а не в строке запроса (часть после ?).
Также обратите внимание, что существует два метода encode(). Один без аргумента набора символов и другой. Тот, у кого аргумент без аргумента, устарел. Никогда не используйте его и всегда указывайте аргумент charset. javadoc даже явно рекомендует использовать кодировку UTF-8, как это предусмотрено RFC3986 и W3C .
Все остальные символы небезопасны и сначала преобразуются в один или несколько байтов, используя некоторую схему кодирования. Затем каждый байт представлен 3-символьной строкой «% xy», где xy - двухзначное шестнадцатеричное представление байта. Рекомендуемой схемой кодирования для использования является UTF-8. Однако, по соображениям совместимости, если кодировка не указана, используется кодировка по умолчанию платформы.
См. Также:
11 ответов
Не drop. Просто возьмите строки, где EPS конечен:
df = df[np.isfinite(df['EPS'])]
Он может быть добавлен при этом '& amp;' может использоваться для добавления дополнительных условий, например
df = df[(df.EPS > 2.0) & (df.EPS <4.0)]
Обратите внимание, что при оценке утверждений панды нужны скобки.
-
1Извините, но я хочу что-то еще. Если ваш код неверен, верните
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().. Вам нужно добавить круглые скобки -df = df[(df.EPS > 2.0) & (df.EPS <4.0)], но также это не ответ на этот вопрос. – jezrael 16 March 2016 в 12:52
Вы можете использовать метод dataframe notnull или инвертировать isnull или numpy.isnan :
In [332]: df[df.EPS.notnull()]
Out[332]:
STK_ID RPT_Date STK_ID.1 EPS cash
2 600016 20111231 600016 4.3 NaN
4 601939 20111231 601939 2.5 NaN
In [334]: df[~df.EPS.isnull()]
Out[334]:
STK_ID RPT_Date STK_ID.1 EPS cash
2 600016 20111231 600016 4.3 NaN
4 601939 20111231 601939 2.5 NaN
In [347]: df[~np.isnan(df.EPS)]
Out[347]:
STK_ID RPT_Date STK_ID.1 EPS cash
2 600016 20111231 600016 4.3 NaN
4 601939 20111231 601939 2.5 NaN
Я знаю, что это уже было дан ответ, но только ради чисто пандского решения этого конкретного вопроса, в отличие от общего описания из Амана (что было замечательно), и в случае, если кто-то еще случится на этом:
import pandas as pd
df = df[pd.notnull(df['EPS'])]
-
1Собственно, конкретным ответом будет:
df.dropna(subset=['EPS'])(на основе общего описания Амана, конечно, это также работает) – joris 23 April 2014 в 13:53 -
2
notnullтакже является тем, что Wes (автор Pandas) предложил в своем комментарии к другому ответу. – fantabolous 9 July 2014 в 04:24 -
3Это может быть вопрос о нобе. Но когда я делаю df [pd.notnull (...) или df.dropna, индекс падает. Таким образом, если в индексе строк 10 в df длины 200 имелось нулевое значение. В кадре данных после запуска функции кавычек имеются значения индекса от 1 до 9, а затем от 11 до 200. В любом случае, чтобы «переиндексировать», Это – Aakash Gupta 4 March 2016 в 07:03
еще одно решение, которое использует тот факт, что np.nan != np.nan:
In [149]: df.query("EPS == EPS")
Out[149]:
STK_ID EPS cash
STK_ID RPT_Date
600016 20111231 600016 4.3 NaN
601939 20111231 601939 2.5 NaN
Вы можете использовать это:
df.dropna(subset=['EPS'], how='all', inplace = True)
-
1
how='all'здесь избыточно, потому что вы подмножите данные только с одним полем, так что оба'all'и'any'будут иметь тот же эффект. – Anton Protopopov 16 January 2018 в 13:41
По какой-то причине ни один из ранее представленных ответов не работал для меня. Это базовое решение:
df = df[df.EPS >= 0]
Хотя, конечно, это также приведет к потере строк с отрицательными номерами. Так что, если вы хотите, то это, вероятно, полезно добавить и после этого.
df = df[df.EPS <= 0]
Самый простой из всех решений:
filtered_df = df[df['EPS'].notnull()]
Вышеупомянутое решение лучше, чем использование np.isfinite ()
-
1вы также можете использовать
df.dropna(subset = ['column_name']). Надеюсь, что спасет хотя бы одного человека дополнительные 5 секунд «что я делаю неправильно». Отличный ответ, +1 – James Tobin 18 June 2014 в 15:07 -
2@JamesTobin, я просто потратил 20 минут, чтобы написать функцию для этого! Официальная документация была очень загадочной: «Ярлыки вдоль другой оси, чтобы рассмотреть, например. если вы отбрасываете строки, это будет список столбцов для включения & quot ;. Я не мог понять, что они имели в виду ... – osa 6 September 2014 в 00:52
-
3
-
4isfinite (), вероятно, более pythonic, но этот ответ более изящный и соответствует принципам pandas. Отличный ответ. – TheProletariat 20 March 2018 в 22:51
pandas.notnullвместоnp.isfinite– Wes McKinney 21 November 2012 в 05:08EPSв примере) содержит строки или другие типы, которые нельзя переваритьnp.isfinite(). Я рекомендую использоватьpandas.notnull(), который будет обрабатывать это более щедро. – normanius 5 April 2018 в 10:02