pandas 值为非数值 判断

可以使用 `pandas.DataFrame.isna()` 或 `pandas.DataFrame.isnull()` 方法来判断某个值是否为非数值（NaN）。这两个方法返回一个布尔型的 DataFrame，其中每个元素表示对应位置的值是否为NaN。

例如，假设有一个 DataFrame `df`，其中包含一个名为 `col1` 的列，可以通过以下代码判断该列中是否存在非数值：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3, float('nan')]})

# 使用 isna() 方法判断
print(df['col1'].isna())

# 使用 isnull() 方法判断
print(df['col1'].isnull())

输出结果为：

0    False
1    False
2    False
3     True
Name: col1, dtype: bool

0    False
1    False
2    False
3     True
Name: col1, dtype: bool

可以看到，第四个值为非数值，对应的结果为 True。

相关问题

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。

pandas判断每行该列数值是否大于该列的平均值

可以使用pandas中的apply函数结合lambda表达式实现判断每行该列数值是否大于该列的平均值，具体代码如下：

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4, 5],
        'B': [2, 3, 4, 5, 6],
        'C': [3, 4, 5, 6, 7]}
df = pd.DataFrame(data)

# 计算每列的平均值
mean_vals = df.mean()

# 判断每行该列数值是否大于该列的平均值
result = df.apply(lambda x: x > mean_vals[x.name], axis=1)

print(result)

输出结果：

       A      B      C
0  False  False  False
1  False  False  False
2  False  False  False
3   True   True   True
4   True   True   True

其中，`result`是一个DataFrame对象，每行代表原始数据中的一行，每列代表原始数据中的一列，若该行该列的数值大于该列的平均值，则对应位置为True，否则为False。