pandas判断数值不为空

你可以使用`notnull()`函数来判断一个数值是否不为空。

例如，假设你有一个名为`df`的DataFrame对象，其中包含一个名为`column_name`的列，你可以使用以下代码来检查该列中的每个值是否为空：

df['column_name'].notnull()

这将返回一个布尔值Series对象，其中每个元素表示该列中相应值是否为非空值。如果某个值是非空值，则相应的元素将为True，否则为False。

相关问题

pandas 判断数值为空

可以使用 pandas 库中的 isna() 或 isnull() 方法来判断数值是否为空。这两个方法都可以用于 Series 和 DataFrame 对象。

例如，对于一个 DataFrame 对象 df，可以使用以下代码来判断其中某一列的数值是否为空：

import pandas as pd

# 假设 df 中有一列叫做 'column_name'
# 判断 'column_name' 列的数值是否为空
null_values = df['column_name'].isna() 

isna() 方法可以判断 NaN 和 None 等空值，而 isnull() 方法只能判断 NaN 等空值。

pandas中新增一列

### 回答1：
在 pandas 中新增一列，可以使用 `df['new_column_name'] = new_column_values` 的方式，其中 `df` 是数据框的名称，`new_column_name` 是新列的名称，`new_column_values` 是新列的值。例如，如果想在数据框 `df` 中新增一列 `'col_name'`，并为这一列赋值为 `[1, 2, 3]`，可以这样写：

df['col_name'] = [1, 2, 3]

如果想要给新增的列赋上更复杂的值，可以使用计算或其他方式。例如，如果想要新增一列 `'col_name_2'`，并为这一列赋值为原来的某一列的数值的平方，可以这样写：

df['col_name_2'] = df['original_column'] ** 2

请注意，这里假设 `'original_column'` 是原来数据框中已经存在的一列。

### 回答2：
在pandas中，我们可以使用`[]`操作符来新增一列。首先，我们需要创建一个pandas的DataFrame对象，可以从文件或者其他数据源中读取数据，或者手动创建一个空的DataFrame对象。

接下来，我们可以使用`[]`操作符来指定新增的列名，并赋予该列一个Series对象的值。可以使用已存在的列或者其他计算结果来创建新列的值。

举个例子，假设我们有一个包含学生信息的DataFrame，包括学生的姓名、年龄和成绩。我们想要新增一列来表示学生是否及格，即成绩大于等于60分为及格。可以通过以下代码来新增该列：

import pandas as pd

# 创建一个包含学生信息的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [18, 19, 20, 21],
        '成绩': [75, 80, 58, 90]}
df = pd.DataFrame(data)

# 新增一列来表示学生是否及格
df['是否及格'] = df['成绩'] >= 60

print(df)

运行以上代码后，DataFrame会新增一列来表示学生是否及格。输出结果如下：

  姓名  年龄  成绩  是否及格
0  张三  18  75   True
1  李四  19  80   True
2  王五  20  58  False
3  赵六  21  90   True

可以看到，新增的一列名为"是否及格"，其值为布尔型，表示学生是否及格。

### 回答3：
在Pandas中，我们可以使用assign()函数来新增一列。assign()函数接受一个参数，用于指定新列的名称，并且可以使用已有的列进行计算生成新列。

例如，假设我们有一个名为df的DataFrame，其中包含了两列数据，分别是"age"和"gender"。现在我们想新增一列"age_group"，根据"age"的值来划分为三个年龄组："青年"、"中年"和"老年"。

首先，我们可以使用assign()函数来创建新列"age_group"，像这样：
df = df.assign(age_group="")
这样就创建了一个名为"age_group"的空列。

接下来，我们可以使用apply()函数来计算"age_group"的值。apply()函数可以接受一个函数作为参数，该函数将应用于每一行数据，然后生成一个返回值。我们可以定义一个函数，根据"age"的值来判断所属的年龄组，并将其赋值给"age_group"列。

例如，我们可以这样定义一个函数：
def get_age_group(age):
if age < 30:
return "青年"
elif age < 60:
return "中年"
else:
return "老年"

然后，我们可以将这个函数应用于"age"列，生成"age_group"列的值：
df["age_group"] = df["age"].apply(get_age_group)

最后，我们可以查看DataFrame的结果：
print(df)

这样就成功地在Pandas中新增了一列"age_group"，并根据"age"的值进行了划分。