1.函数:空值判断 1)判断数值是否为空用 pd.isna,pd.isnull,np.isnan2)判断字符串是否为空用 pd.isna,pd.isnull:3)判断时间是否为空用 pd.isna,pd.isnull,np.isnat 参数:obj:标量或数组 返回:布尔或布尔数组 说明: 1.NA值如None或np.nan,NaT将映射True值.''或np.inf不被视为NA值 2.pandas.options.mode.use_inf_as_na = True#视为na值 3.Series

参考这篇文章: https://blog.csdn.net/u012387178/article/details/52571725 python pandas判断缺失值一般采用 isnull(),然而生成的却是所有数据的true/false矩阵,对于庞大的数据dataframe,很难一眼看出来哪个数据缺失,一共有多少个缺失数据,缺失数据的位置. 比如: 0.520113 0.884000 1.260966 -0.236597 0.312972 -0.196281 -0.837552 NaN 0.

Python Pandas 空值 pandas 判断指定列是否(全部)为NaN(空值) import pandas as pd import numpy as np df = pd.DataFrame({"a": ["aa", np.NAN, np.NAN], "b": [3, np.NAN, 2]}) 判断某列是否有NaN >>> df.a.isnull().any() True 判断是否全部为 NAN >>>

python pandas判断缺失值一般采用 isnull(),然而生成的却是所有数据的true/false矩阵,对于庞大的数据dataframe,很难一眼看出来哪个数据缺失,一共有多少个缺失数据,缺失数据的位置. 首先对于存在缺失值的数据,如下所示 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10,6)) # Make a few areas have NaN values df.iloc[1

最近做点东西,发现pandas处理表单那点东西都忘得差不多了,又花了半个小时过了一遍 import pandas as pdimport numpy as np data = pd.ExcelFile(newFilePath, encoding='utf8').parse(0)这里的newFilePath 是一个结尾是xls的文件,如果是csv那有别的方法,parse(0)里面的0表示选择第一张表.好像也可以填表名 lists = ['题干', '选项A', '选项B', '选项C', '选项D

我自学 python 编程并付诸实战,迄今三个月. pandas可能是我最高频使用的库,基于它的易学.实用,我也非常建议朋友们去尝试它.--尤其当你本身不是程序员,但多少跟表格或数据打点交道时,pandas 比 excel 的 VBA 简单优雅多了. pandas 善于处理表格类数据,而我日常接触的数据天然带有时间日期属性,比如用户行为日志.爬虫爬取到的内容文本等.于是,使用 pandas 也就意味着相当频繁地与时间日期数据打交道.这篇笔记将从我的实战经验出发,整理我常用的时间日期类数据处理.类

  和上文一样,先导入后面会频繁使用到的模块: In [1]: import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rc('font', family='Arial Unicode MS') plt.rc('axes', unicode_minus='False') pd.__version__ Out[1]: '1.1.3'   注意:我这里是Mac系统,用matplotlib画图时设置字体为Ar

第一次作业: 第一次作业的指导书发下来之后我按着上面的步骤一步一步的做了之后发现项目拉下来了,怎么开始码代码呢...然后在舍友的帮助下才知道怎么建包建类,然后对Java的语法又不是很了解,于是就先把C的代码写了然后照着C程序的代码进行面向过程编程... 第一次作业中未熟练了解到正则表达式的用法,所以在分析多项式时使用了状态机用了很多的if-else也正是这样所以在互测中被找到了一个多项式判断的bug,在公测中也由于没能完全理解指导书也挂了一个.互测中对方的bug貌似我比还多他的error用了小写

题意: 判断一个分数在某一进制下是否为无限小数. 思路: 首先把这个分数约分,然后便是判断. 首先,一个分数是否为无限小数,与分子是无关的,只与分母有关. 然后,再来看看10进制的分数,可化为有限小数的特点,10为分母可以,2为分母可以,16为分母可以,40为分母可以.... 总之,其实全部都与2和5有关,2和5又是10的质因数,所以可以猜想到,如果分母可以分解为进制的质因子的乘积,那么就可以化为有限小数. 所以,就判断q的质因子是否为b的子集. 每次求出q与b的最大公约数g,那么g必须可以全部

分析: 这是今天下午的考试题,推了2个小时,考试中A掉了 首先,循环串通过字符串hash可以O(1)判断:get_hash(l,r-len)==get_hash(l+len,r);显然可证. 我们其次可以发现,循环串的长度是所求串的长度的约数 之后我们可以发现,如果两个不同的子串是循环串,那么这两个子串长度的gcd也一定是循环串. 那么,我们就可以发现,将长度质因数分解,之后每次判断长度/这个质因子的所得长度能否构成循环串,如果能,就将长度除以这个质因子. 至于质因子,我们可以线筛...详情自己

写在OO作业之前 在正式写oo作业之前,先说一些“废话”吧,就当是对oo的吐槽. 事实上,早在大一的时候,听说数分很难,然而事实证明数分并没有有让我通宵的体验. 在大二上的时候有一门课叫祭祖,号称是第一门给我们“推背感”的课.但是我也是很好的摸了过去,从P5才开始通宵.(虽然本菜鸡只是止步于P6而已) 早有耳闻北航的oo是一门非常“坑”的课程,开始我还不以为然.然而当第一周基本啥都没讲就给我们留了一个多项式相加的作业时,我才意识到事情并没有那么简单. 到第三周的ALS电梯已经是需要熬到1点钟,我

伪提答害死人...(出题人赶快出来挨打!!!) 虽说是考场上全看出来是让干嘛了,然而由于太菜以及不会打表所以GG了,只拿了\(39\)... 经测试,截至\(2019.4.18-11:33\),这份接近10K的代码在洛谷速度rk1,在LOJrk4. 题目大意: 功能对应表: 编号 功能 测试点编号 分值 \(1\_998244353\) 求\(19^x\pmod{998244353}\) \(1-3\) \(4+4+4=12\) \(1?\) 求\(19^x\pmod{?=1145141}\)

1.科学计算工具-Numpy基础数据结构 1.1.数组ndarray的属性 NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成:① 实际的数据② 描述这些数据的元数据 注意数组格式,中括号,元素之间没有逗号(和列表的区别) type(ar)是查看变量的类型(注意了,type(ar) 是函数,ar.dtype是方法查看数值的类型) ar.ndim 查看数组的维度 ar.shape  数组的维度,对于n行m列的数组,shape为(n,m) ar.size    数组的元素总数,对于

第一次作业1.程序分析 (1)OO度量 (2)类图: (3)分析与评价: 这次作业由于作业整体设计难度不大,因此按照去年暑假上的OO先导课老师讲的设计方法很容易实现一个还不错的面向对象式程序,类与类之间的耦合度不是很高.但是即第一次简单的作业还是在设计上出现了漏洞被找到了bug,说明设计做的还是不够充分.类图分析:本次设计分为Poly类,InputDeal类,Main类,Item类,其中Item类实现了Comparator接口,Main类主要进行主函数运行.Item是一个项数和系数的偶对,并且通

作为一个之前从未使用过java语言,主攻面向过程式编程的“面向对象”小白,于是乎从第一次作业开始时利用时间疯狂学习java语言,经过三次作业的残酷洗礼,自己对面向对象式编程多多少少有了初步的了解(前路漫漫,任重而道远).下面针对之前的三次作业进行总结分析,以及自己这一个月来的心得体会. 第一次作业:一元多项式加减运算 这次作业可谓是与“面向对象”和“瞌睡虫”对决的开始了.第一次接触这门语言和这种思想,还没有养成相应的思维习惯,于是基本就是按着面向过程的思路来完成的.整个程序只有一个主类.一个主方

使用了masteruml插件来生成类图和metrics插件分析代码 第一次作业 1.UML类图 >在第一次作业中,使用了两个类,代码中有没有使用的变量与函数,为平衡两个类的内容,我将输出函数放在了多项式类中,但是仍然不够平衡. 2.量化分析: >处理字符串输入的过程,按照面向过程的思路来写,嵌套的判断条件过多,时间空间复杂度都比较高,写的并不简洁. 3.程序中的bug: 公测bug:压力测试,在数据量较大的情乱下,我对计算结果进行了取模运算,导致了公测出错.错误来源处于多项式计算的过程中,在最

一次又一次的挑战,一次又一次全新的知识,我来到了多线程的面前 第五次作业 1.度量分析 >第五次作业由于很大程度上调用的是前两次电梯的一些代码,所以存在的问题与前几次也十分相似.同时由于第一次使用多线程来解决问题,可能将某些功能过于集中的放在了个别类中.导致McCabe Cyclomatic Complexity以及Nested Block Depth出现标红的现象. 2.类图 >这次在类图上面问题体现的也很明显,在方法的分配上并没有做的很平均.这主要是由于为第一次多线程作业,所以将大部分的功

对于OO这门课,学长学姐偶尔提起,大家都略有耳闻,但是并没有将其和计组相提并论.因此,在刚开始接触的时候,并不认为其会比计组难到哪里去,然而事实证明,还是不要想当然去判断,以及不提前学好JAVA对于OO这门课会降低很多的生存率. 代码度量分析程序结构:        第一次作业        Metric度量分析:              在度量分析中,可以看到第一行是红色标注的,这反映的是一个模块的复杂程度,而第三行反应的是各类的嵌套深度.从中不难看出,我所撰写的某个方法过于复杂,这是由于我

####算法一 暴力枚举所有可能的$a_2$并递推判断.复杂度$O(r \times k)$,预期得分10分. ####算法二 $a_k$可以表示为$a_1$与$a_2$的线性组合.使用递推计算出系数,并暴力枚举所有可能的$a_2$判断.复杂度$O(r+k)$,预期得分30分. ####算法三 暴力枚举所有可能的$a_2$并使用矩阵乘法判断.复杂度$O(r \times \log(k))$,预期得分50分. ####算法四 与算法二类似,使用递推计算出系数,此时可以发现可能的$a_2$满足一个同

1.一维数组的索引及切片 ar = np.arange(20) print(ar) print(ar[4]) print(ar[3:6]) print(ar[:4:2]) #索引到4 按2的步长 print('-----') 输出结果: [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19] 4 [3 4 5] [0 2] ----- 2. 二维数组的索引及切片 ar = np.arange(16).reshape(4,4) print(ar,

Numpy数组是一个多维数组对象,称为ndarray.其由两部分组成: 1 实际的数据 2 描述这些数据的元数据 一 ndarray的方法 # 多维数组ndarray import numpy as np ar = np.array([,,,,,,]) print(ar) # 输出数组,注意数组的格式:中括号,元素之间没有逗号(和列表区分) print(ar.ndim) # 输出数组维度的个数(轴数),或者说“秩”,维度的数量也称rank print(ar.shape) # 数组的维度,对于n行