我有一個像下面這樣的時間序列：
from datetime import datetime
dates = [datetime(2011, 1, 2), datetime(2011, 1, 5), datetime(2011, 1, 7), datetime(2011, 1, 8), datetime(2011, 1, 10), datetime(2011, 1, 12)]
ts = pd.DataFrame({"a":np.random.randn(6),"b":np.random.randn(6)}, index=dates)
ts.iloc[2,0]=np.nan
ts.iloc[3,1]=np.nan
所以它發生在許多情況下，我們需要將其轉換為 numpy 陣列，具有非空值，并執行不同的程序，例如 NN 等...
ts.dropna().values
現在例如讓我們說一個新的列 c 是從 numpy 陣列計算（聚類，NN，...）生成的：
將其添加到原始 df 的最佳方法是什么，使其變為：
換句話說，在這個作業流程中：
1-從熊貓資料幀多特征時間序列開始
2-洗掉空值
3- 從 2 計算一個新陣列（分類，NN，...）
4- 將 3 中創建的陣列添加到步驟 1 中的原始資料幀（如何正確執行此操作？）
我知道有些人可能會說我們可以在整個程序中堅持使用 pandas，但是可以說該表是 3 維的，我們需要將其轉換為 numpy 陣列。
謝謝！
uj5u.com熱心網友回復：
嘗試isna/notna屏蔽您的資料，然后.loc分配回：
valids = ts.notna().all(axis=1)
# equivalent to ts.dropna().values
data = ts[valids].to_numpy()
# do stuff
preds = KMeans().fit_predict(data)
# preds = [0, 0, 0, 1]
# assign prediction back
# ravel in the case your predictions are 2D as shown
ts.loc[valids, 'pred'] = preds.ravel()
uj5u.com熱心網友回復：
- 從資料框中洗掉 NaN 并將索引分配給變數。
c使用此索引創建一個包含 的熊貓資料框- 左加入這個新的資料框到原來的
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/337999.html
下一篇：如何使用while回圈遍歷輸入？