在pandas中，Series.map的na_action参数有什么作用
在pandas中，Series.map()函数用于将Series对象中的每个元素映射到另一个值。na_action参数用于指定在遇到缺失值（NaN）时的处理方式。
na_action参数有两个可选值：
- 'ignore'：忽略缺失值。当遇到缺失值时，不对其进行映射，保持原样。
- 'raise'：抛出异常。当遇到缺失值时，抛出ValueError异常。
na_action参数的默认值为'ignore'，即忽略缺失值。
应用场景：
- 当需要将Series对象中的每个元素映射到另一个值时，可以使用Series.map()函数。例如，将某一列的性别数据映射为0和1，可以使用map函数将"男"映射为0，"女"映射为1。
- 当需要对缺失值进行特殊处理时，可以使用na_action参数。例如，当遇到缺失值时，可以选择忽略或抛出异常，以便进行后续的数据处理或错误处理。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云CVM（云服务器）：https://cloud.tencent.com/product/cvm
- 腾讯云COS（对象存储）：https://cloud.tencent.com/product/cos
- 腾讯云CDN（内容分发网络）：https://cloud.tencent.com/product/cdn
- 腾讯云VPC（私有网络）：https://cloud.tencent.com/product/vpc
- 腾讯云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台：https://cloud.tencent.com/product/ai
相关·内容
2回答
我经常遇到这样的情况:我想使用熊猫数据栏从一组值映射到另一组，我从来不确定我是否按照我应该使用的方式使用熊猫。考虑到这些投入
import pandas as pd
df = pd.DataFrame({'A':[17, 19, 23], 'B':['x', 'y', 'z'], 'C':[90, 92, 95]})
to_map = pd.Series(['y', 'x', 'z', 'x', 'alpha'], i
浏览 8提问于2022-03-29得票数 1
1回答
核σ函数参数
、、、
我想使用Python的函数sigest()来估计一个很好的σ范围，这是我在构造RBF内核时使用的。我正在使用rpy2，但我不知道"na_action“的论点是什么。
推荐的R:语法
sigest(x, frac = 0.5, scaled = TRUE, na.action = na.omit)
My语法：
sigest(np.asmatrix(x), frac = 0.5, scaled = True,
na_action = pandas2ri.pandas.DataFrame.dropna)
X是数据矩阵。我也试过
sigest(np.asmatrix(x), f
浏览 0提问于2019-07-25得票数 0
1回答
我从一个DataFrame开始，其中大约有88个列，这些列包含带有字符串Employee_Id, Payroll_Id, etc标记的列。在这个DataFrame中，我作为一个系列访问每一列。有些系列包含混合数据类型(ints、字符串、NaN等)。因此，有些系列是“对象”数据类型。我需要将DataFrame中的所有值转换为数字类型，因此，88种类型中的16种需要从带有对象dtype的Series转换为int/Float64dtype。
我有一个进程来将“序列”中的每个唯一单元格值映射为整数，不包括0。
但是，当我试图在循环中的Series中执行唯一值的数值映射时，我会得到以下错误！：Inval
浏览 6提问于2022-06-06得票数 0
我正在尝试用Python语言将logistic回归与序列自相关或AR1错误进行拟合。不幸的是，statsmodels还没有走到这一步；然而，R-package glmmTMB已经做到了。在Python语言中，我就差这么一点(看起来)就能通过rpy2实现这一点，但我被卡住了。
我的R技能(和错误：RRuntimeError: Error in na.fail.default(as.ts(x)) : missing values in object)建议需要将na.action参数修改为glmmTMB函数(在glmmTMB包中)，但在R中这不是必需的--我的示例就是这样，而且很好用。所以，我怀疑P
浏览 17提问于2021-03-04得票数 1
1回答
我目前正在学习pandas，我想知道如何过滤其列(即字典)中有超过3个键的行。例如, data = {'id':[1,2,3], 'types': [{1: 'a', 2:'b', 3:'c'},{1: 'a', 2:'b', 3:'c', 4:'d'}, {1: 'a', 2:'b', 3:'c'}]}
df = pd.dataframe(data) 如何获取列类型中字典的len >3的行 df
浏览 19提问于2021-08-17得票数 1
1回答
当我试图在Pandas的applymap函数中使用参数"na_action“时，我得到了以下错误：
TypeError: applymap()得到一个意外的关键字参数'na_action‘
示例：
>>> df = pd.DataFrame([[1, 2.12], [3.356, 4.567]])
>>> df.iloc[0, 0] = pd.NA
>>> df.applymap(lambda x: len(str(x)), na_action='ignore')
TypeError .。。。。
浏览 5提问于2021-01-08得票数 2
回答已采纳
3回答
熊猫替换/字典慢
、、、
请帮助我理解为什么Python/Pandas中的“从字典替换”操作比较慢：
# Series has 200 rows and 1 column
# Dictionary has 11269 key-value pairs
series.replace(dictionary, inplace=True)
字典查找应该是O(1)。将列中的值替换为O(1)。这不是一个矢量化的操作吗？即使没有矢量化，迭代200行也只是200次迭代，那么它怎么会慢呢？
下面是一个SSCCE演示了这个问题：
import pandas as pd
import random
# Initialize dummy da
浏览 2提问于2017-02-01得票数 17
回答已采纳
2回答
基于JSON列表创建新列
、、、、
我有以下数据集。
details
USA [{'country': 'USA', 'city': 'NYC'}]
India [{'country': 'India', 'city': 'Mumbai'}]
Canada [{'country': 'Canada', 'city': 'VC'}]
我需要创建一个名为city的新列。我正在尝试下面的代码
浏览 0提问于2021-09-14得票数 1
我有一个dataFrame，在字符串中有一列'JSON‘或字典类型的数据。为了将其转换为Python Dictionary，我从Stackoverflow中想出了以下代码 class Iden():
def __getitem__(name, index):
return index
df['genres'].map(lambda a: eval(str(a), {}, Iden())) 它将其转换为字典，我使用下面的代码进行了确认， df['genres'].map(lambda a: eval(str(a), {}, Iden()))
浏览 19提问于2020-06-30得票数 1
有一个dataframe:需要将时间戳列转换为日期时间
readable = datetime.utcfromtimestamp(1551348672).strftime('%d-%m-%Y
%H:%M:%S')
print(readable) 28-02-2019 10:11:12
这对于一个值来说是可以的，但是我需要有一个名为time_q的数据框列的结果
data_pre["time_q"] = data_pre["time_q"].map(lambda x:
datetime.utcfromtimestamp(str(x)).st
浏览 1提问于2019-07-21得票数 1
我想要做的其实很简单。我想使用dask中的数据运行OLS回归。如果我只是将数据安装到dask dataframe中，或者我使用pandas (但当我使用Pandas时，我得到了内存错误)，这是可以的。
# import modules
import statsmodels.formula.api as smf
import dask.dataframe as dd
df = dd.read_csv(input_file)
mod = smf.ols(formula='lnq ~ lnp + lnp:C(product_code)+ C(product_code)', data
浏览 0提问于2018-06-22得票数 0
样本数据
+---------+------------------------+
| | date |
+---------+------------------------+
| 0 | 2020-12-31 00:00:00 |
| 1 | 2020-12-31 00:00:00 |
| 2 | 2020-12-31 00:00:00 |
| 3 | 2020-06-11 00:00:00 |
| 4 | 2020-03-10 00:00:00 |
浏览 4提问于2021-01-06得票数 1
2回答
我需要用其他字符串重新映射一列字符串，但有些字符串与多个字符串相关，因此我需要将多个值放入结果列中的某些元素中。我假设我会用一个列表来实现这一点，所以字符串列将被转换为长度为1或更长的字符串的列，如下所示：
embark_town mapped_column
0 Southampton [A, B]
1 Cherbourg [C]
2 Southampton [A, B]
3 Southampton [A, B]
4 Southampton [A, B]
我试着用字典和pandas.Series.replace来做
浏览 5提问于2022-10-28得票数 0
我正在使用Python/Pandas进行一些数据发现。
MVCE:我有一个CSV文件，里面有一些街道地址，我想找出文件中最长地址的长度。(这是我实际问题的简化版本)
我写了这个简单的Python代码：
import sys
import pandas as pd
df = pd.read_csv(sys.argv[1])
print(df['address'].map(len).max())
address列的类型是str，或者我认为是这样(见下文)。
那么为什么我会得到这个错误？
Traceback (most recent call last):
File "
浏览 996提问于2018-07-22得票数 1
回答已采纳
我有一个数据集，其中包含1列中的字符串，我想计算最常见的字符，并将该字符放入新列中。我还想要另一列，其中包含字符所代表的字符串的比例。 我想在每个字符串上使用的方法如下： sequence = 'ACCCCTGGC'
char_i_want = collections.Counter(sequence).most_common(1)[0] # for the character
value_i_want = collections.Counter(sequence).most_common(1)[1] / len(sequence) # for the proportion
浏览 18提问于2019-09-25得票数 0
我是python和pandas的新手，我有一个带有数据的csv，可以使用pandas读取和提取数据，如下所示 data = pd.read_csv("train.csv") 我有很多列下面是有问题的列 ? 在这里，我希望将所有条目的价格列转换为相当于USD的值。下面是我尝试过的代码 currencyToUSD = {
"USD": 1,
"AUD": 0.7,
"EUR": 1.12,
"HKD": 0.13,
"INR": 0.014,
"KRW": 0.00085
}
浏览 7提问于2019-06-24得票数 1
回答已采纳
我有一本查找值dictionary = {'a': 1, 'b': 2, 'c': 3, 'd': 3}的字典
我希望从numpy获得的结果是pandas.Series.map()在传入字典后返回的结果。Eg series.map(dictionary, na_action='ignore')
注意:这个series.map()函数非常快，这使我相信在numpy API中必须有一个等价的方法，而不是我实现一些涉及numpy.where()的解决方案和遍历字典键。
浏览 0提问于2018-10-04得票数 4
回答已采纳
我想使用字典来在dataframe中创建一个新的字段/列。如果值不匹配，我希望将值设置为'NA‘或类似的值。
所以我用的是这样的东西：
#Creation of a dictionary after combining two lists
country_Codes = ['us', 'de', 'fr']
values = ['US', 'EU', 'EU']
dictionary = dict(zip(country_Codes, values))
df['new
浏览 0提问于2018-01-30得票数 1
回答已采纳
df1看起来像这样
Co Brand Func Acct
001 6001 3102 6201
001 6001 3102 6201
001 6001 3102 6213
001 6001 3102 6223
001 6001 3102 7689
001 6001 3102 6201
001 6001 3102 4026
df2看起来是这样的：
Acct Group
4026 4MA
浏览 0提问于2021-03-03得票数 0
这里的场景是，我有一个带有原始整数数据的dataframe df，以及一个把这些int映射到字符串值的dict map_array。
我需要用映射中的对应值替换中的值，但是如果它没有映射到任何东西，则保留原始值。
到目前为止，我唯一能够弄清楚如何做我想做的事情的方法是使用一个临时列。然而，以我正在处理的数据的大小，这有时会变得有点毛茸茸的。所以，我想知道是否有什么办法可以在熊猫身上做到而不需要临时专栏.
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(1,5, size=(100,1)))
浏览 1提问于2013-11-12得票数 7
回答已采纳
1回答
我试图用它们的概率来索引数据(用一个简单的直方图来估计)。目的是以一个概率小于某个阈值的概率来选择序列中的项目。
我有一系列整数值，例如：
import pandas as pnd
import numpy as np
series = pnd.Series(np.random.poisson(5, size = 100))
然后我像这样计算它们的直方图：
tmp = {"series" : series, "count" : np.ones(len(series))}
hist = pnd.DataFrame(tmp).groupby("seri
浏览 5提问于2012-04-13得票数 3
回答已采纳
跟进之后，是否有一种更好的高效方式来获取列中每个对象的类型？这特别适用于这样的情况:列的dtype是object，以便允许列元素之间的异构类型(特别是，允许数值NaN而不将其他元素的数据类型更改为float)。
我还没有做过时间基准测试，但我对下面提到的显而易见的方法(以及可能使用map或filter的变体)表示怀疑。感兴趣的用例需要快速获得所有元素类型的信息，因此生成器等在这里可能不会是一个效率的福音。
# df is a pandas DataFrame with some column 'A', such that
# df['A'].dtype is &
浏览 3提问于2012-07-19得票数 1
回答已采纳
2回答
我有一个Pandas数据帧，看起来像这样：
date item amount
201901 Apple 1.03
201901 Potato 1.04
201901 Orange 1.00
我在尝试按月查找水果和蔬菜的销售量：
date item amount
201901 Fruit 2.03
201901 Vegetables 1.04
做这件事最好的方法是什么？我对df.groupby(['date','item'])['amou
浏览 1提问于2020-10-02得票数 1
假设我有以下DataFrames：
table_a = pandas.DataFrame({ 'employee' : ['a','b','c','d','e','f'], 'department' : ['developer', 'test engineer', 'network engineer', 'manager', 'hr','intern']})
dept_m
浏览 1提问于2020-05-09得票数 1
回答已采纳
我正试图把医院的名字映射到他们的英国邮编。我在那些医院做脊柱手术(在英国被称为'Trusts‘)，csv是kate_spine.csv。
我正在从其中导入一栏(信任)来简化事情。
import pandas as pd
spine = pd.read_csv('~/Dropbox/Work/NNAP/Spine/Kate_W/kate_spine2.csv', usecols = ['Trust'])
为显示进口：
spine.head()
Trust
0 THE WALTON CENTRE NHS FOUNDATION TRUST
1 CA
浏览 1提问于2019-12-13得票数 2
回答已采纳
我正在尝试将category_encoders的OrdinalEncoder连接到我的中的一列。
我尝试过的是：
import category_encoders as ce
# here i'm defining mapping for OrdinalEncoder
property_ordinal_mapping_1 = [{"col":"property_type", "mapping": [('Apartment', 1),('House', 2),('Condom
浏览 6提问于2019-06-19得票数 0
假设我有一个列，其中包含一个包含float的对象(如"12.45")。如何检查此列是否存在于panda数据框中。我想首先找到这一列，并将它的所有值转换为浮点数。换句话说，我如何查找对象包含数值的列，比如浮点数"12.54“。我不想查找包含非数值的对象，比如“猫”或“狗”。
例如：
import pandas as pd
df = pd.DataFrame({"column1":[ "12.44", "56.78", "45.87"],
"column2":["cat"
浏览 1提问于2021-10-01得票数 0
我在我的DataFrame中创建了一个指示器列，用来表示不同列的值是否在列表中。 我的第一次尝试使用了基本的python "in“操作符，我的进度条显示它需要83个小时才能运行。然后我尝试使用熊猫".isin()“，花了不到一秒钟的时间。我的DataFrame大约有40,000,000行，我正在搜索的列表大约有100,000个项目。已对列表进行筛选以删除重复项(lst=list(lst=list(Original_list)。我比较的项目是大约20个字符的字符串。 这是我的第一次尝试(需要83个小时)： df['indicator']=df['col1
浏览 11提问于2019-09-26得票数 1
回答已采纳
1回答
我有一个数据帧foo和一个真/假系列bar foo = pd.DataFrame(
[['a', 1], ['b', 2], ['a', 3]],
index=[0, 1, 2], columns=['col1', 'col2'])
bar = pd.Series({'a': True, 'b': False}) 我想根据bar的真实性来过滤col1上的foo。以下是一些可行的方法： foo[foo['col1'].isin(bar.where(ba
浏览 10提问于2020-04-06得票数 0
回答已采纳
1回答
地理地形图不会绘制地质体
、、、
我使用geopandas和每个县在上次选举中的得票率与威斯康星州的县一起导入了一个shapefile。我现在正试图把威斯康辛州划分成社区，使用沃罗诺伊的选区划分每个县的投票权。我想使用geoplot.voronoi来做这件事，但是当我对shapefile数据调用geoplot.voronoi时，geoplot无法绘制我的地图并崩溃。
下面的代码成功地生成了投票共享的映射
import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gp
wi = gp.GeoDataFrame.from_file('.
浏览 1提问于2018-12-10得票数 4
我有两个python pandas数据帧，它们的简化形式如下所示： DF1 +-----+-----+-----+-----+-----+-----+
| a_1 | a_2 | a_3 | a_4 | a_5 | a_6 |
+-----+-----+-----+-----+-----+-----+
| 0 | 2 | 5 | 0 | 2 | 5 |
| 1 | 3 | 4 | 1 | 3 | 4 |
| 1 | 0 | 3 | 0 | 0 | 1 |
+-----+-----+-----+-----+-----+--
浏览 5提问于2021-01-25得票数 1
回答已采纳
2回答
重新安装sklearn后出错
、、、、
当我将sklearn更新到一个新的版本时，我得到了以下错误-我不知道为什么会这样。
Traceback (most recent call last):
File "/Users/X/Courses/Project/SupportVectorMachine/main.py", line 95, in <module>
y, x = dmatrices(formula, data=finalDataFrame, return_type='matrix')
File "/Library/Python/2.7/site-pa
浏览 1提问于2014-07-26得票数 0
我想在pandas.Series对象上使用numpy.unwrap函数，但似乎不知道如何应用它： >>> import numpy as np
>>> import pandas as pd
>>>
>>> t = np.arange(0,1,0.05)
>>> ang = pd.Series((15*t)%(2*np.pi), t)
>>> np.unwrap(ang)
array([ 0. , 0.75, 1.5 , 2.25, 3. , 3.75,
浏览 7提问于2019-02-27得票数 2
我在用这个代码
df['Bullish'] = (df['7days_Avg']>0.02).map(int)
作为分类方法；1=真，0=假。但是，当列df['7days_Avg']没有值(NaN)时，我也希望布尔值的输出为“Nan”
下面是我得到的输出
7days_Avg Bullish
Date
2017-02-23 -0.085974 0
2017-02-24 -0.067239 0
2017-02-27
浏览 7提问于2017-03-25得票数 3
回答已采纳
1回答
熊猫群的多索引列
、、、、
我的目标，我期望实现它的方式，以及会发生什么
我试图在DataFrame上做一个groupby，它有多个索引列，使用Series (没有多个索引)作为groupby的输入。特别是，给定下面的DataFrame
>>> df
X Y
A B C A B C
2020-01-01 9 1 2 1 6 5
2020-01-02 5 7 8 0 6 9
2020-01-03 6 3 4 8 6 1
2020-01-06 0 0 9 0 5 1
2020-
浏览 3提问于2021-04-19得票数 4
回答已采纳
我有一个这样的数据帧 Anno | Mese
___________
2018 | Gennaio
2019 | Febbraio
2020 | Aprile 如果Mese的值是: Gennaio，Febbraio，Marzo -->如果Mese的值是: Aprile，Maggio，Giugno，-->我希望Anno是year_Q2，如果Mese的值是: Luglio，are，Settembre，-->如果Mese的值是: Ottobre，Novembre，Dicembre ->我希望Anno是year_Q4 我的预期输出是： Anno | Mese
________
浏览 9提问于2020-11-25得票数 1
回答已采纳
1回答
关于如何在我的world字段中跳过缺失值的任何帮助。我以为na_action=‘忽略’会有帮助，但对我的情况却没有帮助。
df['world'] = df['world'].map(lambda x: x.rstrip('L.locoMoco'),na_action='ignore')
谢谢
浏览 2提问于2018-01-16得票数 3
回答已采纳
1回答
我有某一年的月平均气温数据，假设是1900年，所以数据帧看起来像这样： year | month | temp
-----+-------+-------
1900 | 1 | 18.5
1900 | 2 | 18.8
1900 | 3 | 21.4
...
1900 | 12 | 18.4 然后我有1900到2020年的月平均温度，我想将它们与1900年的基数进行比较 我提取了1900个温度的数组： t1900 = df.loc[df.year == 1900]['temp'] 我如何从每年的相应月份中减去(不使用循环)1900年每个月的月温度
浏览 40提问于2021-02-12得票数 1
回答已采纳
我理解用于pd.Series和用于pd.DataFrame，但使用map和apply用于pd.Series有什么区别？在我看来，他们基本上是在做同样的事情：
>>> df['title'].map( lambda value: str(value) + 'x')
>>> df['title'].apply(lambda value: str(value) + 'x')
两者似乎都只是向函数/映射发送一个值。这两者之间是否有实际的区别，如果是的话，会有什么例子来说明呢？或者，这些应用于pd.Se
浏览 1提问于2020-09-01得票数 2
回答已采纳
遵循的精神，我尝试了以下操作，将datetimes的DataFrame列转换为自纪元以来的秒列。
df['date'] = (df['date']+datetime.timedelta(hours=2)-datetime.datetime(1970,1,1))
df['date'].map(lambda td:td.total_seconds())
第二个命令会导致下面的错误，我不明白。对这里可能发生的事情有什么想法吗？我用apply替换了map，但这对问题没有任何帮助。
-------------------------------------
浏览 0提问于2013-10-24得票数 9
回答已采纳
在使用时，na_action会做什么？文档不清楚，我也没有给出一个参数影响结果的例子。
浏览 0提问于2016-09-13得票数 3
回答已采纳
1回答
我正在寻找一种在两个pandas.DataFrames上执行以下连接的有效方法： 第一个在列A中包含如下字符串： A ....
Spam|One
Spam|Two
Ham
Eggs 第二个是以字符串键作为索引和文本描述的引用表： index description
Spam "..."
Ham "..."
Eggs "...."
BakedBeans "...." 在A中，索引中的每个键都可以是字符串的前缀。现在，我想将描述列连接到A列，其中A中的值与前缀匹配。我有一种感觉，
浏览 41提问于2019-03-17得票数 2
回答已采纳
我有一个带有score和order_amount_bucket模型的熊猫DataFrame。订单金额存储桶中有8个存储箱，每个存储箱都有一个不同的阈值。我想过滤框架并生成一个布尔掩码来显示哪些行通过了。 我可以通过详尽地列出条件来做到这一点，但我觉得必须有一种更严格的方法来做到这一点。 到目前为止，我是如何做到这一点的一个小例子(为了简单起见，我只用了3个箱子)。 import pandas as pd
sc = 'score'
amt = 'order_amount_bucket'
example_data = {sc:[0.5, 0.8, 0.99, 0
浏览 11提问于2019-12-12得票数 0
回答已采纳
2回答
Pandas替换为默认值
、、、、
我有一个pandas数据框，我想有条件地替换某个列。
例如：
col
0 Mr
1 Miss
2 Mr
3 Mrs
4 Col.
我想将它们映射为
{'Mr': 0, 'Mrs': 1, 'Miss': 2}
如果字典中现在有其他标题可用，那么我希望它们的默认值为3
上面的例子变成
col
0 0
1 2
2 0
3 1
4 3
我可以在不使用正则表达式的情况下使用pandas.replace()来做这件事吗？
浏览 4提问于2016-08-23得票数 12
回答已采纳
更新：
错误可能是由于我的数据集中也有一个名为"Q“的变量与Q函数冲突造成的。在这种情况下，我如何优雅地解决它呢？
.更新:您可以下载我的数据集
我正在对状态模型和熊猫数据进行简单的OLS回归，如下所示：
import statsmodels.formula.api as sm
import pandas as pd
df=pd.read_csv("exp.csv")
#df is a dataframe that I have containing many variable names such as AAPL, SPY, INF, etc.
for colum
浏览 0提问于2018-07-26得票数 1
回答已采纳
具有以下数据帧： d1 = pd.DataFrame({'A':[1,1,1,2,2,2,3,3,3]})
A C
0 1 'x'
1 1 'x'
2 1 'x'
3 2 'y'
4 2 'y'
5 2 'y'
6 3 'z'
7 3 'z'
8 3 'z'
d2 = pd.DataFrame({'B':['a','b','c
浏览 16提问于2020-06-08得票数 2
我是Python编程方面的新手，目前正在学习有关Python的基本统计数据。
我面对的是
"PatsyError:错误评估因子: NameError:“
关于pred = model.predict(pd.DataFrame(calo['wt'])的代码
下面是我的代码：
# For reading data set
# importing necessary libraries
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# reading a csv fi
浏览 0提问于2019-03-19得票数 0
如何根据条件更改pandas dataframe中特定列的值。这是我的数据框架： import pandas as pd
df = pd.DataFrame({'data':['lemon', 'apple', 'lemon', 'apple', 'apple', 'lemon', 'pear', 'apple',
'pear', 'lemon', '
浏览 36提问于2021-11-15得票数 0
回答已采纳
1回答
是否可以通过多行条件为单个值设置Pandas 1.3.4数据框子集？更清楚地说，如果我有一个df index col1 col2
0 A 10
1 A 20
2 B 130
3 C 10 如果我想要基于col2值的子集，我可以执行df[df['col2']>10] index col1 col2
1 A 20
2 B 130 但是，是否可以根据col1值使用不
浏览 21提问于2021-11-16得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
