Python是進行數據分析的一種出色語言,主要是因為以數據為中心的Python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas係列。ne()用於比較Caller係列的每個元素與傳遞的係列。對於每個不等於傳遞的序列中的元素的元素,它將返回True。
注意:結果根據比較調用者係列!=其他係列返回。
用法:Series.ne(other, level=None, fill_value=None)
參數:
other:其他要比較的係列
level:int或多層名稱(如果是多層)
fill_value:要代替NaN的值
返回類型:布爾係列
範例1:處理空值
在此示例中,使用 pd.Series()
。該係列在相同的索引處也包含一些Null值和一些相等的值。使用.ne()方法比較該係列,並將5傳遞給fill_value參數,以用5代替NaN值。
# importing pandas module
import pandas as pd
# importing numpy module
import numpy as np
# creating series 1
series1 = pd.Series([70, 5, 0, 225, 1, 16, np.nan, 10, np.nan])
# creating series 2
series2 = pd.Series([27, np.nan, 2, 23, 1, 95, 53, 10, 5])
# NaN replacement
replace_nan = 5
# calling and returning to result variable
result = series1.ne(series2, fill_value = replace_nan)
# display
result
輸出:
如輸出所示,在調用者係列中的值不等於傳遞的係列中的值的情況下,返回True。還可以看出,將Null值替換為5,然後使用該值進行比較。
範例2:用str對象調用Series
在此示例中,使用pd.Series()創建了兩個係列。該係列也包含一些字符串值。如果是字符串,則使用其ASCII值進行比較。
# importing pandas module
import pandas as pd
# importing numpy module
import numpy as np
# creating series 1
series1 = pd.Series(['Aaa', 0, 'cat', 43, 9, 'Dog', np.nan, 'x', np.nan])
# creating series 2
series2 = pd.Series(['vaa', np.nan, 'Cat', 23, 5, 'Dog', 54, 'x', np.nan])
# NaN replacement
replace_nan = 14
# calling and returning to result variable
result = series1.ne(series2, fill_value = replace_nan)
# display
result
輸出:
從輸出中可以看出,對於字符串,使用它們的ASCII值進行比較。隻要Caller係列中的字符串與傳遞的係列中的字符串不相等,就會返回True。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Kartikaybhutani大神的英文原創作品 Python | Pandas Series.ne()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。