如何用熊猫列的最大值替换无限值?

Question

我有一个数据框，看起来像

City   Crime_Rate
A      10
B      20 
C      inf
D      15 

我想用Crime_Rate列的最大值替换 inf，这样我生成的数据帧应该看起来像

City   Crime_Rate
A      10
B      20 
C      20
D      15

我试过了

df['Crime_Rate'].replace([np.inf],max(df['Crime_Rate']),inplace=True)

但是python以inf为最大值，我在这里哪里出错了？

Answer 1

先过滤掉inf值，然后得到Seriesmax：

m = df.loc[df['Crime_Rate'] != np.inf, 'Crime_Rate'].max()
df['Crime_Rate'].replace(np.inf,m,inplace=True)

另一种解决方案：

mask = df['Crime_Rate'] != np.inf
df.loc[~mask, 'Crime_Rate'] = df.loc[mask, 'Crime_Rate'].max()
print (df)
City  Crime_Rate
0    A        10.0
1    B        20.0
2    C        20.0
3    D        15.0

Answer 2

以下是整个矩阵/数据帧的解决方案：

highest_non_inf = df.max().loc[lambda v: v<np.Inf].max() df.replace(np.Inf, highest_non_inf)

Answer 3

将use_inf_as_nan设置为 true，然后使用 fillna。(如果您想将inf和nan都视为缺失值，请使用此选项(，即

pd.options.mode.use_inf_as_na = True
df['Crime_Rate'].fillna(df['Crime_Rate'].max(),inplace=True)
City  Crime_Rate
0    A        10.0
1    B        20.0
2    C        20.0
3    D        15.0

Answer 4

在max((中使用附加函数替换(np.inf，np.nan(的一种方法。

对于 max(( 内部发生的操作，它将 inf 替换为 nan，max 返回预期的最大值而不是 inf

下面的示例：最大值为 100 并替换 inf

#Create dummy data frame
import pandas as pd 
import numpy as np  
a = float('Inf')
v = [1,2,5,a,10,5,a,5,100,2]  
df = pd.DataFrame({'Col_A': v})
#Data frame looks like this
In [33]: df
Out[33]: 
Col_A
0    1.000000
1    2.000000
2    5.000000
3         inf
4   10.000000
5    5.000000
6         inf
7    5.000000
8  100.000000
9    2.000000
# Replace inf  
df['Col_A'].replace([np.inf],max(df['Col_A'].replace(np.inf, 
np.nan)),inplace=True)
In[35]: df
Out[35]: 
Col_A
0    1.0
1    2.0
2    5.0
3  100.0
4   10.0
5    5.0
6  100.0
7    5.0
8  100.0
9    2.0

希望有效！

Answer 5

使用 numpy 剪辑。它优雅而快速：

import numpy as np
import pandas as pd
df = pd.DataFrame({"x": [-np.inf, +np.inf, np.nan, 4, 3]})
df["x"] = np.clip(df["x"], -np.inf, 100)
# Out:
#       x
# 0   -inf
# 1  100.0
# 2    NaN
# 3    4.0
# 4    3.0

为了摆脱负无穷大，请将-np.inf替换为较小的数字。NaN 始终不受影响。要获得最大值，请使用max(df["x"])。