如何在 python 中用 NaN 替换空序列值

Question

我正在迭代多个列并将它们的摘要统计信息（如均值、中位数、偏度和峰度）存储在如下字典中：

metrics_dict['skewness'] = data_col.skew().values[0]
metrics_dict['kurtosis'] = data_col.kurt().values[0]
metrics_dict['mean'] = np.mean(data_col)[0]
metrics_dict['median'] = np.median(data_col)

但是对于某些列，它给出如下错误：

IndexError: index out of bounds

有问题的列如下：

Index          device
61021           C:2
61022          D:3+
61023          D:3+
61024           B:1
61025          D:3+
61026           C:2

我只是想将 NA 附加到 dict 中以防出现这样的列，而不是让错误中断我的循环。这里的index只是dataframe的索引，操作的column是device。请注意，数据有大量数字列（~500），其中 2 -3 列就像设备，因此我只需要将 NA 添加到字典中，然后转到下一列。有人可以告诉我如何在 python 中做到这一点吗？

Answer 1

Select 数据框中要将空值设置为 nan 的列。

df[df['col'] == ''] = np.nan

希望对您有所帮助。

Answer 2

您可以尝试使用 try/except IndexError

try:
   # whatever you do that might rise an IndexError
except IndexError:
   # append NA to dict

Answer 3

由于这些统计信息仅对数字列有意义，您可以尝试隔离数字列。这可以使用 pd.DataFrame.select_dtypes:

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

numeric_cols = df.select_dtypes(include=numerics).columns

for col in df:
    if col in numeric_cols:
        # calculate & add some values to dictionary
    else:
        # add NA values to dictionary

如何在 python 中用 NaN 替换空序列值

how to replace empty series values with NaN in python

python

series

dataframe

is-empty

pandas