|
Inf 表示正无穷大或负无穷大,通常是在数学计算中产生的结果。
例如,- import numpy as np
- # 创建一个包含 Infinity 的数组
- arr = np.array([3.0, 4.0, np.inf, -np.inf])
- print(arr)
复制代码 1)通过where方法和isinf方法查找Inf行和列- import pandas as pd
- import numpy as np
- df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
- print('*'*36)
- # 将df的第一列变成Inf
- df.u = np.inf
- print(df)
- print('*'*36)
- #输出结果,是一个tuple,前面array是横坐标,后面的array是纵坐标。
- print(np.where(np.isinf(df)))
复制代码 2)数据处理- import pandas as pd
- import numpy as np
- df = pd.DataFrame(np.arange(18).reshape(3,6), index=list('abc'), columns=list('uvwxyz'))
- print('*'*36)
- # 将df的第一列变成NaN
- df.u = np.inf
- print(df)
- print('*'*36)
- #输出结果,是一个tuple,前面array是横坐标,后面的array是纵坐标。
- print(np.where(np.isinf(df)))
- print('*'*36)
- # 使用 replace 替换整个 DataFrame 中的 Inf 值为特定值
- print(df.replace(np.inf, 1, inplace=False))
- print('*'*36)
- #使用np.isinf()
- df[np.isinf(df)]=11.0
- print(df)
- print('*'*36)
- # 创建一个包含 Inf 的数组
- arr = np.array([3.0, 4.0, np.inf, 6.0])
- # 将Inf值为5
- arr[np.isinf(arr)]=5
- print(arr)
复制代码 3)删除有Inf的行- import pandas as pd
- import numpy as np
- x=np.arange(0,30).reshape(5,6)
- x=np.array(x,dtype=float)
- x[2,3]=np.inf
- x[0,4]=np.inf
- print(x)
- print('*'*36)
- #删除包含Inf的行
- x1=np.delete(x,np.where(np.isinf(x))[0],axis=0)
- print(x1)
复制代码 注意:np.inf和np.nan的处理方法基本相同,注意调用处理时方法名。None是Python中用于标识空缺数据,Nan是nunpy和pandas中用于标识空缺数据,None是一个Python特殊的数据类型, 但是NaN却是用一个特殊的float。
在用DataFrame计算变化率时,例如(今天-昨天) / 昨天恰好为(2-0) / 0时,这些结果数据会变为inf。
为了方便后续处理,可以利用numpy,将这些inf值进行替换。
1. 将某1列(series格式)中的 inf 替换为数值。- import numpy as np
- df['Col'][np.isinf(df['Col'])] = -1
复制代码 2. 将某1列(series格式)中的 inf 替换为NA值。- import numpy as np
- df['Col'][np.isinf(df['Col'])] = np.nan
复制代码 3. 将整个DataFrame中的 inf 替换为数值(空值同理)。#感谢评论区的补充- import numpy as np
- df.replace(np.inf, -1) #替换正inf为-1
- #替换正负inf为NA,加inplace参数
- df.replace([np.inf, -np.inf], np.nan, inplace=True)
复制代码
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作! |
|