pandas 转换成行列表进行读取与Nan处理的方法

下面是详细讲解“pandas转换成行列表进行读取与Nan处理的方法”的完整攻略。

1. 转换成行列表

将pandas数据框转换为行列表，可以使用.values.tolist()方法。这样做的好处是可以将数据框中的数据按行打印出来，更加直观地了解数据的结构和内容。

例如，假设有以下的数据框：

import pandas as pd

# 创建数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [20, 30, 40],
    'Gender': ['Female', 'Male', 'Male']
})

可以使用以下的代码将其转换为行列表：

rows = df.values.tolist()
print(rows)

输出结果为：

[['Alice', 20, 'Female'], ['Bob', 30, 'Male'], ['Charlie', 40, 'Male']]

可以看到，输出结果是一个列表，其中每个元素表示数据框中的一行数据。

2. 处理NaN值

在pandas的数据框中，经常会出现NaN值，表示该位置没有数据。如果不进行处理，NaN值会导致一些计算结果不正确，因此需要进行处理。

2.1. 删除NaN值

可以使用.dropna()方法删除包含NaN值的行或列。例如：

import pandas as pd
import numpy as np

# 创建数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', np.nan, 'Charlie'],
    'Age': [20, np.nan, 30, 40],
    'Gender': ['Female', 'Male', 'Male', np.nan]
})

# 删除包含NaN值的行
df.dropna(axis=0, inplace=True)
print(df)

此代码会删除包含NaN值的行，输出结果为：

      Name   Age  Gender
0    Alice  20.0  Female

2.2. 填充NaN值

可以使用.fillna()方法填充NaN值，常用的填充方式有向前填充和向后填充。例如：

import pandas as pd
import numpy as np

# 创建数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', np.nan, 'Charlie'],
    'Age': [20, np.nan, 30, 40],
    'Gender': ['Female', 'Male', 'Male', np.nan]
})

# 向前填充
df.fillna(method='ffill', inplace=True)
print(df)

此代码会向前填充NaN值，输出结果为：

      Name   Age  Gender
0    Alice  20.0  Female
1      Bob  20.0    Male
2      Bob  30.0    Male
3  Charlie  40.0    Male

向前填充的含义是用前一行的值来填充NaN值。可以看到，第二行和第三行的NaN值被填充为20和30了。

import pandas as pd
import numpy as np

# 创建数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', np.nan, 'Charlie'],
    'Age': [20, np.nan, 30, 40],
    'Gender': ['Female', 'Male', 'Male', np.nan]
})

# 向后填充
df.fillna(method='bfill', inplace=True)
print(df)

此代码会向后填充NaN值，输出结果为：

      Name   Age  Gender
0    Alice  20.0  Female
1      Bob  30.0    Male
2  Charlie  30.0    Male
3  Charlie  40.0     NaN

向后填充的含义是用后一行的值来填充NaN值。可以看到，第三行和第四行的NaN值被填充为30和40了。注意，最后一行的NaN值因为没有后一行数据可以填充，所以仍然是NaN值。

以上是“pandas转换成行列表进行读取与Nan处理的方法”的完整攻略，希望对您有所帮助！