Như bạn có thể thấy, tôi đã khai báo myObj và đặt giá trị
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Không hoặc Null trong Python có giống với các ngôn ngữ lập trình khác không?
Có rất nhiều lập trình viên chuyển sang Python từ nền tảng lập trình khác. Chắc hẳn họ đã sử dụng từ khóa
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Xác định null trong Java
customVariable = null;Xác định null trong PHP
Khi nào tôi nên sử dụng đối tượng NoneType trong Python?
Trong hầu hết mọi ngôn ngữ lập trình, sử dụng từ khóa null hoặc none với câu lệnh if là thông lệ tiêu chuẩn. Tuy nhiên, Python không hỗ trợ từ khóa null. Thay vào đó, chúng ta có thể sử dụng kiểu dữ liệu Không có giá trị nào để biểu thị không có giá trị nào và nó là một kiểu đối tượng trong Python
Python null hoặc Không có lời giải thích
- Nếu hàm không trả về bất kỳ thứ gì có nghĩa là null hoặc Không có trong Python
- Nó trả về đối tượng NoneType khi không có khóa trong bộ sưu tập
- Để xác minh giá trị trả về của hàm, chúng tôi sử dụng đối tượng NoneType trong Python
Làm cách nào để xác định nếu Biến không có trong Python?
Chúng ta có thể nhanh chóng xác định nếu biến là Không có trong Python. Bạn có thể sử dụng toán tử
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Kiểm tra Không có Loại với từ khóa is
none_var = None
not_none_var = 'Hello John!'
if none_var is None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var is None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not NoneKiểm tra Không có Loại với từ khóa is
none_var = None
not_none_var = 'Hello John!'
if none_var == None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var == None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not NoneTrong ví dụ trên, chúng tôi đã thử nghiệm null và none trong Python. Chúng ta đã khai báo 2 biến để kiểm tra kết quả null hay NoneType sử dụng toán tử is và ==. Trong biến đầu tiên, chúng tôi đã thêm loại giá trị Không. và trong một biến khác, chúng tôi đã chèn một giá trị chuỗi đơn. Sau đó, chúng tôi đặt chúng thông qua điều kiện và chúng tôi nhận được kiểu trả về là none cho biến thứ nhất và cho biến thứ 2 là not none kết quả trả về
Cuối cùng, chúng tôi đã hoàn thành hướng dẫn về Python Null và Không có từ khóa này với các ví dụ. Nếu bạn muốn khám phá thêm về Python, tôi khuyên bạn nên truy cập trang web chính thức của Python để có thêm ý tưởng về sức mạnh và tính linh hoạt của Python
máy đào
Tôi là Digamber, một nhà phát triển full-stack và là người đam mê thể dục. Tôi đã tạo trang web này để truyền kinh nghiệm mã hóa của mình cho các lập trình viên mới. Tôi thích viết trên JavaScript, ECMAScript, React, Angular, Vue, Laravel
Twitter GitHubBài viết đề xuất
Ví dụ sắp xếp lựa chọn Python. Sắp xếp danh sách trong PythonCách đếm số lượng tệp và thư mục trong PythonCách tạo máy chủ socket với nhiều máy khách trong PythonCách sử dụng Pop[] trong Python để xóa các mục trong danh sáchChức năng Python max[] được giải thích bằng các ví dụLàm thế nào để tìm căn bậc hai trong Python? . Hướng dẫn số nguyên thành chuỗi Toán tử nhận dạng Python. Nếu không. không ở. không phải. Là. Hướng dẫnNhận độ dài của danh sách bằng hàm Python len[]
Bằng cách sử dụng các phương thức
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Trong bài viết về Khung dữ liệu gấu trúc này, tôi sẽ giải thích cách chuyển đổi một hoặc nhiều [tất cả các cột từ danh sách] giá trị cột
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
1. Ví dụ nhanh về thay thế NaN thành chuỗi trống/trống
Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách thay thế NaN bằng một chuỗi trống/trống trong Pandas DataFrame
# Below are quick examples
# Replace all Nan values to empty string
df2 = df.replace[np.nan, '', regex=True]
print[df2]
# Using multiple columns
df2 = df[['Courses','Fee' ]] = df[['Courses','Fee' ]].fillna['']
print[df2]
# Using pandas.DataFrame.fillna[] to replace nan values
df2 = df.fillna[""]
print[df2]
# Using pandas replace nan with null
df2 = df.fillna['', inplace=True]
print[df2]
# Pandas single column using replace nan empty string
df2 = df.Courses.fillna['']
print[df2]
# Using Courses column replace nan with Zeros
df2 = df['Courses']=df['Courses'].fillna[0]
print[df2]
# Using Discount column to replace nan with Zeros
df2 = df['Discount']=df['Discount'].fillna[0]
print[df2]
# Remove the nan and fill the empty string
df2 = df.Courses.replace[np.nan,'',regex = True]
print[df2]
# Remove the nan and fill some values
df2 = df.Courses.replace[np.nan,'value',regex = True]
print[df2]
Bây giờ, hãy tạo một DataFrame với một vài hàng và cột và thực hiện một số ví dụ và xác thực kết quả. Khung dữ liệu của chúng tôi chứa các tên cột
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
2. Chuyển đổi Nan thành Chuỗi rỗng trong Pandas
Sử dụng phương pháp
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
Sản lượng dưới sản lượng
3. Nhiều cột thay thế chuỗi rỗng
Để thay thế giá trị
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
none_var = None
not_none_var = 'Hello John!'
if none_var is None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var is None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not NoneSản lượng dưới sản lượng
none_var = None
not_none_var = 'Hello John!'
if none_var is None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var is None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not None4. Sử dụng fillna[] thành các giá trị NaN/Null với chuỗi rỗng
sử dụng gấu trúc. Khung dữ liệu. fillna[] để Thay thế các giá trị NaN/Null bằng một chuỗi rỗng. Điều này thay thế từng NaN trong DataFrame của gấu trúc bằng một chuỗi trống
none_var = None
not_none_var = 'Hello John!'
if none_var is None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var is None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not NoneSản lượng dưới sản lượng
5. fillna[] với inplace=True
Nếu bạn nhận thấy đầu ra ở trên sau khi áp dụng hàm fillna[], nó sẽ trả về một DataFrame mới, Để cập nhật DataFrame hiện tại/tham chiếu tại chỗ, hãy sử dụng
Courses Fee Duration Discount
0 Spark 20000.0 NaN 1000.0
1 NaN 25000.0 40days NaN
2 Hadoop NaN 35days 1500.0
3 Python 22000.0 NaN NaN
4 pandas 24000.0 60days 2500.0
5 NaN NaN 50days 2100.0
6 Java 22000.0 55days NaN
none_var = None
not_none_var = 'Hello John!'
if none_var is None:
print['none_var is None']
else:
print['none_var is not None']
if not_none_var is None:
print['not_none_var is None']
else:
print['not_none_var is not None']
# output = none_var is None
# output = not_none_var is not NoneSản lượng dưới sản lượng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
6. Thay thế NaN bằng chuỗi rỗng trên một cột cụ thể
Nếu bạn muốn điền vào một cột, bạn có thể sử dụng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
7. Thay thế NaN bằng Zeros
Những ví dụ này thay thế các giá trị NaN bằng số 0 trong một cột
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
8. Xóa NaN và điền vào chuỗi trống
Sử dụng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
9. Xóa NaN và điền một số giá trị
Sử dụng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
import pandas as pd
import numpy as np
technologies = {
'Courses':["Spark",np.nan,"Hadoop","Python","pandas",np.nan,"Java"],
'Fee' :[20000,25000, np.nan,22000,24000,np.nan,22000],
'Duration':[np.nan,'40days','35days', np.nan,'60days','50days','55days'],
'Discount':[1000,np.nan,1500,np.nan,2500,2100,np.nan]
}
df = pd.DataFrame[technologies]
print[df]
Phần kết luận
Trong bài viết này, bạn đã học cách thay thế NaN bằng các chuỗi trống/trống trong Pandas bằng DataFrame. fillna[],
Làm cách nào để chuyển đổi null thành 0 Python?
Thay thế các giá trị NaN bằng số 0 trong Khung dữ liệu Pandas .
[1] Đối với một cột sử dụng Pandas. df['Cột khung dữ liệu'] = df['Cột khung dữ liệu']. điền[0]
[2] Đối với một cột sử dụng NumPy. df['Cột khung dữ liệu'] = df['Cột khung dữ liệu']. thay thế [np. nan, 0]
[3] Đối với toàn bộ Khung dữ liệu bằng Pandas. df. điền[0]
Null có bằng Không trong Python không?
Python sử dụng từ khóa Không để xác định các đối tượng và biến null. Mặc dù Không có gì phục vụ một số mục đích giống như null trong các ngôn ngữ khác, nhưng nó hoàn toàn là một con thú khác. Là null trong Python, None không được định nghĩa là 0 hoặc bất kỳ giá trị nào khác .
Làm cách nào để chuyển null trong JSON Python?
Cách chuyển giá trị null trong yêu cầu JSON .
Bỏ qua thuộc tính JSON bên trong đối tượng JSON
Bao gồm tên thuộc tính trong Đối tượng JSON với giá trị là JSONObject. VÔ GIÁ TRỊ
Không có một chuỗi Python?
Từ khóa Không được sử dụng để xác định giá trị rỗng hoặc không có giá trị nào. Không có gì khác với 0, Sai hoặc chuỗi rỗng . Không có loại dữ liệu nào của riêng nó [NoneType] và chỉ có Không có thể là Không có.