# 1. np.size:Numpy数组中元素个数

import numpy as np

Z = np.zeros([10,10])

print('Z.size = {}'.format(Z.size))

## 输出 ： Z.size = 100


Z.size = 10 * 10

# 2. np.itemsize:Numpy数组中每个元素所占 字节数

import numpy as np

Z = np.zeros([10,10])

print('Z.itemsize = {}'.format(Z.itemsize))

## 输出 ： Z.itemsize = 8


Z.itemsize = 8 原因解释：

1. 进入调试状态查看Z的类型
2. 由此我们可知np.zeros最开始默认未np.float64类型 我们float64占8个字节
3. 拓展尝试：
4. 将类型改为np.int32类型， 我们知道在32位机器上，int占4个字节。
import numpy as np

Z = np.zeros([10,10], dtype = np.int32)

print('Z.itemsize = {}'.format(Z.itemsize))

## 输出 ： Z.itemsize = 4

1. 将类型改为np.int64类型，我们知道在64位机器上，int占8个字节
import numpy as np

Z = np.zeros([10,10], dtype = np.int64)

print('Z.itemsize = {}'.format(Z.itemsize))

## 输出 ： Z.itemsize = 8


# 3.np.size * np.itemsize:Numpy数组所占总内存空间字节数

Original: https://blog.csdn.net/m0_56316007/article/details/125715994
Author: 青_丘
Title: 一文读懂np.size、np.itemsize、np.size * np.itemsize

## Title: 【Python 04】数据清洗：fillna()处理数据行中的缺失/异常值

[En]

Then there will probably be several ways to deal with it, one of which is:

import numpy as np
import pandas as pd

df = pd.read_excel(r"C:\xxxx\xxxx\xxxx\test list.xlsx")



df=df.replace('.',np.NAN)

df=df.bfill()

df=df.groupby('INDEX').first()


OK了，这样的话达到了我们预期目标啦~

Pandas.DataFrame.fillna
Pandas 官方文档：

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

• value： scalar, dict, Series, or DataFrame
支持的数据类型：scalar（标量）, dict, Series, or DataFrame
Value to use to fill holes (e.g. 0), alternately a dict/Series/DataFrame of values specifying which value to use for each index (for a Series) or column (for a DataFrame). Values not in the dict/Series/DataFrame will not be filled. This value cannot be a list.

value 是用于填充的空值的值。
* method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None
Method to use for filling holes in reindexed Series pad / ffill: propagate last valid observation forward to next valid backfill / bfill: use next valid observation to fill gap.

method参数：改变替代值的方式，当为’ffill’，表示用前面的值填充，当’bfill’表示用后面的值填充。
* axis： {0 or ‘index’, 1 or ‘columns’}
Axis along which to fill missing values.

axis参数默认为0，即沿着行填充，为1则沿着列填充
* inplace： bool, default False
If True, fill in-place. Note: this will modify any other views on this object (e.g., a no-copy slice for a column in a DataFrame).

* limit： int, default None
If method is specified, this is the maximum number of consecutive NaN values to forward/backward fill. In other words, if there is a gap with more than this number of consecutive NaNs, it will only be partially filled. If method is not specified, this is the maximum number of entries along the entire axis where NaNs will be filled. Must be greater than 0 if not None.

* downcast： dict, default is None
A dict of item->dtype of what to downcast if possible, or the string ‘infer’ which will try to downcast to an appropriate equal type (e.g. float64 to int64 if possible).

Original: https://blog.csdn.net/eason_nnn/article/details/123233093
Author: Eason DayDayUp
Title: 【Python 04】数据清洗：fillna()处理数据行中的缺失/异常值

(0)

### 大家都在看

• #### 舆情监控数据采集 Scrapy 环境搭建与数据管理方案

说起 Python爬虫，非数据分析或是专业的爬虫工程师都会使用爬虫框架，其中包括 Scrapy、Crawley、Portia、newspaper 等等，但是其中使用占比最高的是 S…

Python 2023年1月25日
034

from dash import Dash from werkzeug.wsgi import DispatcherMiddleware import flask from wer…

Python 2023年1月3日
043
• #### 用python去绘图

28.科学计算和可视化 –– coding: utf-8 –– 1.matplotlib小测试 ”’impo…

Python 2023年1月15日
046
• #### 上手Pandas，带你玩转数据（4）– 数据清洗

文章目录 * – 描述性方法 – + 注： – 汇总数据 – pandas处理文本数据 – 检查缺失值 – …

Python 2023年1月7日
033
• #### 全网最全——50题matplotlib从入门到精通——搞定数据分析

强烈推荐！建议直接点赞收藏品，方便下次使用。 [En] Highly recommended! It is recommended to like the collection d…

Python 2023年1月15日
022
• #### Pandas入门——Apply()/Agg()/Transform()

函数作为一个对象，能作为参数传递给其它函数，apply()所接受的参数就包含函数，是所有函数中自由度最高的函数。 功能是自动遍历整个 Series 或者 DataFrame, 对每…

Python 2022年12月31日
040
• #### pandas中drop用法_pandas 中delete、drop函数的用法

这两个函数都是比较常用的数据处理函数，这里重点进行总结，以方便自己记忆。你也可以和你分享。 [En] These two functions are more commonly u…

Python 2023年1月8日
030
• #### 26个数据分析案例——第三站：基于python的药店销售数据分析

目录 26个数据分析案例——第三站：基于python的药店销售数据分析 * 实验环境 数据说明 资料包 实验步骤 – 第一步：加载数据并查看数据详情 + 1、导入数据：…

Python 2022年12月24日
025
• #### .NET周报【12月第2期 2022-12-15】

国内文章 九哥聊Kestrel网络编程第一章：开发一个Redis服务器 https://mp.weixin.qq.com/s/HJYnBE-7wbvkAYHxQaq3eQ 我和拥有…

Python 2023年1月28日
042
• #### Python从入门到入土-基础知识准备

文章目录 * – Python名称由来 – Python历史版本 – 变量命名规则 – Python安装 – 操作系统如…

2022年8月21日
0142
• #### 数据库小技能：Oracle基础之【锁】

文章目录 I 锁 * 1.1 锁定数据行 1.2 锁类型 II 事务 * 2.1 事务ACID特性 2.2 事务控制语句 ; I 锁 什么是锁？锁(lock)机制用于管理对共享资源…

Python 2023年2月5日
025
• #### java 类似dataframe_Pandas DataFrame 使用总结

Pandas 是一个非常好用的库，总结一下 Pandas DataFrame 常见用法，在使用的时候可以快速找到。 Pandas DataFrames 是具有带标签的行和列的二维数…

Python 2022年12月29日
063
• #### Python学习：len() 函数详解：获取字符串长度或字节数、join()方法：合并字符串

Python中，要想知道一个字符串有多少个字符（获得字符串长度），或者一个字符串占用多少个字节，可以使用len()函数。 语法格式： len(string) string 用于指定…

Python 2022年10月27日
0115
• #### PINN学习与实验（一）

目录 所用工具 数学方程 模型搭建 所有实现代码 结果展示 参考文献 今天第一天接触PINN，用深度学习的方法求解PDE，看来是非常不错的方法。做了一个简单易懂的例子，这个例子非常…

2022年8月31日
0191
• #### 什么是边缘人工智能？

简言之， 边缘人工智能是指以机器深度学习的形式通过运用边缘计算设备，该算法直接在边缘设备上运行。基于边缘计算设备可以通过数据学习独立提高其在给定任务中的性能，有时甚至超出了人类的能…

Python 2023年2月1日
016
• #### pandas自动创建文件夹_pandas快速入门

pandas有两类数据对象：dataframe和series。Series是一个带标签的一维数组，通常索引在左，值在右。dataframe是一个带标签的二维数组，可以理解成seri…

Python 2022年12月31日
031