我遇到了一个奇怪的问题.我确信这背后有合理的理由.
我有一个名为alloptions的数据框,它有4列,minage1,minage2,minage3和minage4,它们都是float64.缺失值的数量从minage1增加到minage4.
我创建了第五列,它至少占用了这四列：
alloptions['minage']=alloptions.apply(lambda x: min([x['minage1'],x['minage2'],x['minage3'],x['minage4']]),axis=1)
看起来它有效,直到我在第47行发现
minage1 minage2 minage3 minage4 minage
47 NaN 56.0 NaN NaN NaN
使用.loc,我隔离了那行：
In [10]:
print alloptions.loc[47,:]
print alloptions.loc[47,:].dtypes
我明白了
minage1 NaN
minage2 56
minage3 NaN
minage4 NaN
minage NaN
Name: 47, dtype: float64
float64
所以我很困惑为什么功能没有拿起56.
预先感谢您的帮助.
解决方法:
您正在使用内置的Python min函数,该函数不了解nan并且不一致地处理它：
>>> min(1, np.nan)
1
>>> min(np.nan, 1)
nan
相反,使用pandas中的min方法,它知道在计算min时忽略nan值.此方法采用axis参数,因此如果您的四个minageX列是DataFrame中的唯一列,则可以这样做
df['minage'] = df.min(axis=1)
通常,在使用pandas数据结构时,应避免使用内置的Python函数,如max,min,sum等,而是使用pandas版本;内置函数对pandas或向量化操作一无所知,可能会产生意外结果.
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
