1

我编写了一个简短的函数来输出数据框中每一列的最大值(或字符串的最大长度),并针对各种数据类型进行调整。

def maxDFVals(df):
    for c in df:
        if str(df[c].dtype) in ('datetime64[ns]'):
            print('Max datetime of column {}: {}\n'.format(c,  df[c].max()))
        elif str(df[c].dtype) in ('object', 'string_', 'unicode_'):
            df[c].fillna(value='', inplace=True)
            print('Max length of column {}: {}\n'.format(c, df[c].map(len).max()))
        elif str(df[c].dtype) in ('int64', 'float64'):
            print('Max value of column {}: {}\n'.format(c,  df[c].max()))
        else:
            print('Unknown data type for column {}!\n'.format(c))

它工作正常,但我只是想检查是否有更好的替代第 6 行的方法,使用 fillna,我需要它来处理 None 值。理想情况下,我会忽略 None,但我找不到使用类似 skipna=True 的方法。

如果我真的想我想我可以添加

           df[c].replace([''], [None], inplace=True)

在第 7 行之后返回 None 值,但这几乎不是任何人都会称之为 Pythonic...</p>

有没有人有更好的建议?

4

1 回答 1

2

尝试这个:-

def maxDFVals(df):
    for c in df:
        if str(df[c].dtype) in ('datetime64[ns]'):
            print('Max datetime of column {}: {}\n'.format(c,  df[c].max()))
        elif str(df[c].dtype) in ('object', 'string_', 'unicode_'):
            print('Max length of column {}: {}\n'.format(c, df[c].dropna().map(len).max()))
        elif str(df[c].dtype) in ('int64', 'float64'):
            print('Max value of column {}: {}\n'.format(c,  df[c].max()))
        else:
            print('Unknown data type for column {}!\n'.format(c))
于 2017-02-16T10:24:28.973 回答