是否可以附加到不包含任何索引或列的空数据框?
我尝试过这样做,但最后总是得到一个空的数据帧。
例如:
import pandas as pd
df = pd.DataFrame()
data = ['some kind of data here' --> I have checked the type already, and it is a dataframe]
df.append(data)
结果如下所示:
Empty DataFrame
Columns: []
Index: []
在我正在编写的一个程序中,我必须显式地设置包含布尔数据的列的类型。有时,此列中的所有值都为None。除非我提供明确的类型信息,否则Pandas将为该列推断出错误的类型信息。 是否存在与pandas兼容的类型来表示可空的-bool?我想做这样的事情,但要保留None: s = pandas.Series([True, False, None]).astype(bool)
print([v for v in s]) 提供: [True, False, False] Python的内置bool类不能有Null值。它只能是True或False。在这种情况下,因为bool(None)==False最终
我已经创建了一个CSV文件,该文件当前为空。我的代码检查CSV文件是否包含数据。如果没有,它会向其中添加数据。如果是这样,它不会做任何事情。这就是我到目前为止所尝试的:
import pandas as pd
df = pd.read_csv("file.csv")
if df.empty:
#code for adding in data
else:
pass #do nothing
但在实现时,我得到了错误:
pandas.errors.EmptyDataError: No columns to parse from file
有没有更好的方法来检查CSV
在Pandas和Numpy中,有向量化函数(如np.isnan、np.isinf和pd.isnull )来检查数组、序列或数据的元素是否存在各种缺失/空/无效。
他们确实在标量上工作。pd.isnull(None)只返回True而不是pd.Series([True]),这很方便。
但是,假设我想知道是否有任何对象是这些空值之一;您不能使用这些函数中的任何一个来完成这个任务!这是因为它们将很高兴地将各种数据结构向量化。不小心使用它们将不可避免地导致可怕的“一个系列的真值是模棱两可”的错误。
我想要的是这样的功能:
assert not is_scalar_null(3)
assert not i
我正在处理一个项目,在这个项目中,我希望使用csv文件加载一个数据文件,并检查我想要从其中加载数据的文件是否为空。如果csv文件为空,那么一旦遇到df=pd.read_csv(file.csv)语句,我就会得到错误pandas.errors.EmptyDataError:没有要从文件解析的列--请帮助我
#custom error class defined correctly
try:
#file.csv is an empty csv file
df=pd.read_csv(file.csv)
if df:
print("Dataframe lo
我正在尝试计算pandas系列中的NaN元素(数据类型类‘numpy.float64’),以了解有多少个数据类型是类'pandas.core.series.Series‘
这是为了计数pandas系列中的空值
import pandas as pd
oc=pd.read_csv(csv_file)
oc.count("NaN")
我期望oc,count("NaN")的输出是7,但它显示的是'Level NaN must be same as name (None)'
使用pandas HDFStore存储空DataFrames会消耗大量磁盘空间。下面是一个例子:
import pandas as pd
for i in range(1000):
with pd.HDFStore('/tmp/test_empty.hdf') as s:
key = 'E{:03d}'.format(i)
s[key] = pd.DataFrame()
for i in range(1000):
with pd.HDFStore('/tmp/test_nan.hdf') as
我正在用pandas和pyarrow从python字典列表中创建拼图文件。但获取空的nasted字典时出现以下错误。
Cannot write struct type 'subject' with no child field to Parquet. Consider adding a dummy child field
下面的代码。
import pandas as pd
import pyarrow as pa
import pyarrow.parquet as pq
data =[
{
"name":"david"
我有一堆由进程自动生成的excel文件。但是,其中一些是空的,因为流程在实际编写任何东西之前就停止了。这些优点甚至不包含任何列,因此它们只是一个空表。
我现在正在运行每个优秀的脚本,所以我想检查excel是否是空的,如果是空的,跳过它。
我试过:
pandas.DataFrame.empty
但我还是收到了这样的信息:EmptyDataError: No columns to parse from file
我怎么做这个检查?
我从csv文件中提取一列,并使用pandas将其中的数据输入到数组中。但是,许多单元格是空的,并在数组中保存为'nan‘。我想要么识别空单元格以便跳过它们,要么在之后将它们从数组中全部删除。类似于下面的伪代码:
if df.row(column number) == nan
skip
或
if df.row(column number) != nan
do stuff
基本上,我如何识别csv文件中的单元格是否为空。