python - TypeError unhashable type: 'set' 当你在数据集中提取和选择 nan
问题描述
我试图通过在列或行中选择它们来选择熊猫数据框中的 nan 值并将它们提取并保存在 csv 文件中,但我遇到了 TypeError unhashable type: 'set' 我想知道如何修复它以获得结果。
从以下脚本中可以看出,我isnull()
在将 inf 值转换为 nan 进行计数后使用函数选择了它们,但在 enc 中,'C'
由于 TypeError unhashable type: 'set'
. 以下是我的脚本:
import numpy as np
import pandas as pd
#extract the parameters and put them in lists based on id_set
df = pd.read_csv('D:\m22.TXT', header=None)
id_set = df[df.index % 4 == 0].astype('int').values
a = df[df.index % 4 == 1].values
b = df[df.index % 4 == 2].values
c = df[df.index % 4 == 3].values
data = {'A': a[:,0], 'B': b[:,0], 'C': c[:,0] }
main_data = pd.DataFrame(data, columns=['A','B','C'], index = id_set[:,0])
#Mark nan and inf by isnu() function
nan = np.array(main_data.isnull())
inf = np.array(main_data.isnull())
#Make sure to change inf values into nan
main_data = main_data.replace([np.inf, -np.inf], np.nan)
c = main_data.isnull().sum()
print(c)
percent_missing = main_data.isnull().sum() * 100 / len(main_data)
print(percent_missing)
#calculate nan values in percentage in desired column
m = len(main_data) - main_data['A'].count()
print(m)
#Monitor the data
print(main_data)
print (main_data.isnull())
print (main_data.isnull().any(axis=1))
#Select columns has nan(s)
print(main_data[main_data['C'].isnull()])
#Select rows has nan(s) based on id_set
nan_data = main_data[main_data.isnull().any(axis = {'C'})]
print (nan_data)
#write selected part in csv file by id_set
nan_data.to_csv('nan_data.csv', header=None, index=None)
我的数据框如下所示:
A B C
0 -56.343656 nan -418.540483
10 -87.577880 -16.061497 inf
20 nan -15.337254 inf
30 -83.724143 -18.061570 -531.053979
40 -67.462841 nan -431.924830
50 -63.377158 -28.260790 inf
60 nan -22.996095 nan
70 -38.386860 -35.921773 -534.576631
以下所需的输出'C'
:
'C'
10 inf/nan
20 inf/nan
50 inf/nan
60 nan
下面是我的数据集示例:数据集示例 DL 链接
注意:id_set
值不完全写入,例如。000
显示为0
希望有人有一个很好的提示来修复它。
解决方案
不确定这是否正是您的目标,但如果您想输出至少有一个条目是 nan 或 inf 的所有行,您可以试试这个:
import pandas as pd
import numpy as np
df = pd.DataFrame(50*np.random.randn(8, 3), columns=['A', 'B', 'C'], index=np.arange(0, 80, 10).astype(int))
df.loc[0, 'A'] = np.nan
df.loc[10, 'C'] = np.inf
df.loc[20, 'B'] = np.nan
df.loc[20, 'C'] = np.inf
df.loc[50, 'C'] = np.inf
df.loc[60, 'C'] = np.nan
df[np.isinf(df)] = np.nan # convert inf to nan
df_nan = df[df.isnull().any(axis=1)] # extract sub data frame
df_nan.to_csv('nan_data.csv', header=None, index=None) # export
输入数据帧(将 inf 转换为 nan 后)如下所示:
输出如下所示:
要在 csv 文件中输出索引标签和“NaN”,您可以使用:
df_nan.to_csv('nan_data.csv', na_rep='NaN')
这将输出:
如果您只想要列“C”,您可以使用:
df_nan['C'].to_csv('nan_dataC.csv', na_rep='NaN')
如果您想使用前导零,可以执行以下操作:
new_index = [str(x).zfill(3) for x in df_nan.index]
df_nan.index = new_index
推荐阅读
- vba - MS.ACCESS - 大量打印的循环槽记录 - 未找到错误项目
- mysql - MariaDB 按键选择值的计数
- python - 在 python 中,为什么引发相同的异常比引发新的异常占用更多的内存?
- python - pypy 列表理解比嵌套列表慢
- python - 如何在 Pandas DataFrame 中切换列 MultiIndex 但在内部级别进行分组?
- python - 为什么我的烧瓶服务器不会在 Web UI 中打开我的 chart.js?
- javascript - 子元素的不定式滚动
- linux - shell命令从不同的文件夹中获取文件
- python-3.x - 如何使用 Torch 张量进行多处理?
- sql - 以固定间隔批次拆分数据集,同时获取批次的第一行和最后一行