<\/p>\n
U kunt de volgende basissyntaxis gebruiken om te controleren of een specifieke cel leeg is in een Panda DataFrame:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n We kunnen de volgende code gebruiken om te controleren of de waarde van rijindex nummer \u00e9\u00e9n<\/strong> en kolompunten<\/strong> nul is:<\/span><\/p>\n Een True-<\/strong> waarde geeft aan dat de waarde in rij nummer \u00e9\u00e9n van de kolom ‚punten‘ inderdaad leeg is.<\/span><\/p>\n We kunnen ook de volgende code gebruiken om de werkelijke waarde in rij nummer \u00e9\u00e9n van de kolom „punten“ af te drukken:<\/span><\/p>\n De uitvoer vertelt ons dat de waarde in rij nummer \u00e9\u00e9n van de kolom \u201cpunten\u201d nan<\/strong> is, wat overeenkomt met een lege cel.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe de waarde van een specifieke cel in Pandas in te stellen<\/a> U kunt de volgende basissyntaxis gebruiken om te controleren of een specifieke cel leeg is in een Panda DataFrame: #check if value in first row of column ‚A‘ is empty print (pd. isnull (df. loc [0, ‚A‘])) #print value in first row of column ‚A‘ print ( df.loc [0, ‚A‘]) Het volgende voorbeeld laat zien […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2825","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n #check if value in first row of column 'A' is empty<\/span>\nprint<\/span> (pd. isnull<\/span> (df. loc<\/span> [0, 'A']))\n\n#print value in first row of column 'A'<\/span>\nprint<\/span> ( df.loc<\/span> [0, 'A'])\n<\/strong><\/pre>\n Voorbeeld: Controleer of de cel leeg is in Pandas DataFrame<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, np.nan, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, np.nan, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, np.nan]})\n\n#view DataFrame\n<\/span>df\n\n\tteam points assists rebounds\n0 A 18.0 5.0 11.0\n1 B NaN 7.0 8.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 NaN 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 9.0\n7H 28.0 4.0 NaN\n<\/strong><\/pre>\n #check if value in index row 1 of column 'points' is empty<\/span>\nprint<\/span> (pd. isnull<\/span> (df. loc<\/span> [1, 'points']))\n\nTrue<\/strong><\/pre>\n #print value in index row 1 of column 'points'<\/span>\nprint<\/span> ( df.loc<\/span> [1, 'points'])\n\nNope<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe de waarde van cellen in panda’s te achterhalen<\/a>
Hoe NaN-waarden te vervangen door nul in Panda’s<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"