1.报错修改np.bool—bool
H:\Anaconda3-2020.02\envs\parl\lib\site-packages\paddle\fluid\framework.py:541:
DeprecationWarning: np.bool is a deprecated alias for the builtin bool. To silence this warning, use bool by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use np.bool_ here.
2.矩阵维度降维：action
输入状态和输出动作维度问题
3.1 方法一：for循环
records = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
result = []
for y in range(0, 4):
for x in range(0, 3):
if x == 0:
result.append([])
result[y].append(records[x + y * 3])
print(result)
3.2 第二种方法，numpy
1） 升维度
利用函数reshape或者是resize
使用reshape的时候需要注意reshape的结果不改变，因此适用于还要用到原数组的情况
使用resize会改变原数组，因此适用于一定需要修改后的结果为值的情况
import numpy as np
x = np.arange(20) # 生成数组
print(x)
result = x.reshape((4, 5)) # 将一维数组变成4行5列 原数组不会被修改或者覆盖
x.resize((2, 10)) # 覆盖原来的数据将新的结果给原来的数组
print(x)
2） 降维度
import numpy as np
arr = np.arange(10)
arr.resize((2, 5))
print(arr)
print(f"维度交换：\n{arr.swapaxes(1, 0)}")
print(f"C{arr.flatten('C')}") # 默认C 一行为主
print(f"\nF:{arr.flatten('F')}") # 以列为主
print(f"\nA:{arr.flatten('A')}") # 和行一样
print(f"\nK:{arr.flatten('K')}") # 和行一样
Original: https://blog.csdn.net/sinat_39620217/article/details/117842572
Author: 汀、
Title: 环境调试bug【一】
相关阅读
Title: python金融分析小知识(5)——如何查看DataFrame中的空值
Hello 大家好，我是一名新来的金融领域打工人，日常分享一些python知识，都是自己在学习生活中遇到的一些问题，分享给大家，希望对大家有一定的帮助！
在平时的数据分析当中，我们会经常遇到读入的数据存在空值的情况，面对庞大的数据量，我们不可能一个一个地去找空值，那么有没有比较方便的办法能够让我们快速找到DataFrame中的空值呢？答案是有的
让我举一个例子来说明：
[En]
Let me give you an example to illustrate:
首先我们构建一个包含空值的DataFrame，代码如下：
import pandas as pd
import numpy as np
df = pd.DataFrame({
"身高":[170,171,167,189,np.nan],
"体重":[65,66,68,np.nan,np.nan],
"视力":[4.0,3.8,5.0,np.nan,np.nan]
})
让我们打印一下这个DataFrame，得到结果：
身高 体重 视力
0 170.0 65.0 4.0
1 171.0 66.0 3.8
2 167.0 68.0 5.0
3 189.0 NaN NaN
4 NaN NaN NaN
我们可以很明显地看到空值NaN的存在，下面我们通过几种方式来查看空值：
1.通过bool值结果来查看空值
df.isnull()
# 或者
df.isna()
#或者
np.isnan(df)
这两行代码的结果是一样的，我们基本可以说 isnull()和isna()在使用中是等效的，得到的结果如下，其中False代表不是空值，True代表是空值：
身高 体重 视力
0 False False False
1 False False False
2 False False False
3 False True True
4 True True True
2.统计每一列空值的个数
df.isnull().sum()
# 或者
df.isna().sum()
# 或者
np.isnan(df).sum()
返回的结果是每列的空值个数，即身高列有一个空值，体重和视力列有两个空值：
[En]
The result returned is the number of null values for each column, that is, one null value for height column and two null values for weight and eyesight columns:
身高 1
体重 2
视力 2
dtype: int64
3.只统计一列的空值个数
如果您只想获取一列数据中的空值的数量，可以通过以下代码来实现：
[En]
If you only want to get the number of null values in a column of data, you can do this through the following code:
df['身高'].isnull().sum()
# 或者
df['身高'].isna().sum()
# 或者
np.isnan(df['身高']).sum()
返回结果如下，即Height列为空值：
[En]
The returned result is as follows, that is, the height column has a null value:
4.查看某列含有空值所在的整行
df[df['体重'].isnull()]
# 或者
df[df['体重'].isna()]
#或者
df[np.isnan(df['体重'])]
打印结果如下：
身高 体重 视力
3 189.0 NaN NaN
4 NaN NaN NaN
5.查看整个DataFrame中有空值的行
df[df.isnull().any(axis=1)] ##axis=1代表水平方向，axis=0代表竖向
# 或者
df[df.isna().any(axis=1)]
#或者
df[np.isnan(df).any(axis=1)]
打印结果如下：
身高 体重 视力
3 189.0 NaN NaN
4 NaN NaN NaN
总结：在查看空值的时候有三种方法可以实现也就是isnull()、isna()以及np.isnan()，这三种方法可以说是等效的，大家可以结合不同的目的来选取自己喜欢的一种来使用就行！
今天的文章就到这里吧！
[En]
That’s all for today’s article!
Original: https://blog.csdn.net/qq_41281698/article/details/124570002
Author: 君子以自强不息python
Title: python金融分析小知识(5)——如何查看DataFrame中的空值
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/324122/
转载文章受原作者版权保护。转载请注明原作者出处！
