如下所示：
|
1
2
3
4
5
6
|
python 设置值import pandas as pdimport numpy as npdates = pd.date_range('20180101',periods=6)df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['A','B','C','D'])print(df) |
|
1
2
3
4
5
6
7
|
A B C D2018-01-01 0 1 2 32018-01-02 4 5 6 72018-01-03 8 9 10 112018-01-04 12 13 14 152018-01-05 16 17 18 192018-01-06 20 21 22 23 |
|
1
2
|
df.loc['20180102','A'] = 1111print(df) |
|
1
2
3
4
5
6
7
|
A B C D2018-01-01 0 1 2 32018-01-02 1111 5 6 72018-01-03 8 9 10 112018-01-04 12 13 14 152018-01-05 16 17 18 192018-01-06 20 21 22 23 |
|
1
2
|
df.iloc[2,2] = 2222print(df) |
|
1
2
3
4
5
6
7
|
A B C D2018-01-01 0 1 2 32018-01-02 1111 5 6 72018-01-03 8 9 2222 112018-01-04 12 13 14 152018-01-05 16 17 18 192018-01-06 20 21 22 23 |
|
1
2
|
df[df.A>12]=0 #修改df数据中符合条件的所有值print(df) |
|
1
2
3
4
5
6
7
|
A B C D2018-01-01 0 1 2 32018-01-02 0 0 0 02018-01-03 8 9 2222 112018-01-04 12 13 14 152018-01-05 0 0 0 02018-01-06 0 0 0 0 |
|
1
2
|
df.A[df.A<4]=11 #修改df数据中A列符合条件的所有值print(df) |
|
1
2
3
4
5
6
7
|
A B C D2018-01-01 11 1 2 32018-01-02 11 0 0 02018-01-03 8 9 2222 112018-01-04 12 13 14 152018-01-05 11 0 0 02018-01-06 11 0 0 0 |
|
1
2
|
df['F'] = np.nanprint(df) |
|
1
2
3
4
5
6
7
|
A B C D F2018-01-02 11 0 0 0 NaN2018-01-03 8 9 2222 11 NaN2018-01-04 12 13 14 15 NaN2018-01-05 11 0 0 0 NaN2018-01-06 11 0 0 0 NaN |
|
1
|
print(np.any(df.isnull())== True) #isnull检测是否含有NaN值，有就返回True。np.any()检测df数据中是否含有等于Ture的值 |
|
1
|
True |
NaN值填充：print(df.fillna(value=0))
以上这篇python设置值及NaN值处理方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/knowmore0823/article/details/79060370
