如何用熊猫列的最大值替换无限值？答案

【问题标题】：how to replace infinite value with maximum value of a pandas column?如何用熊猫列的最大值替换无限值？
【发布时间】：2018-11-19 06:00:54
【问题描述】：

我有一个看起来像

的数据框

City   Crime_Rate

A      10

B      20 

C      inf

D      15

我想用 Crime_Rate 列的最大值替换 inf，这样我的结果数据框应该看起来像

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将inf作为最大值，我哪里错了？

【问题讨论】：

标签： python pandas replace infinite

【解决方案1】：

先过滤出inf的值，然后得到max的Series：

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

【讨论】：

这不是问题吗？
@Dark - 如果需要替换 np.inf 不

【解决方案2】：

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

【讨论】：

嗯，不知道是不是好主意，NaN 和 inf 真的是不同的东西
@jezrael 只是另一种选择。有一天它可能对某人有帮助。如果我以通常的方式回答，它将与您的回答相同。所以
然后添加通知 - 如果存在，它也会替换 NaN :)
@Dark，好的单线解决方案，谢谢。我一直在做的是编写另一行代码来替换 nan 为所需的值
如果解决方案有帮助，请投票，如果您想用某个值替换 inf 并用某个其他值替换 nan，请不要使用此解决方案。祝你好运:)

【解决方案3】：

使用 max() 中的附加函数 replace(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，并且 max 返回预期的最大值而不是 inf

以下示例：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！

【讨论】：

【解决方案4】：

这是整个矩阵/数据框的解决方案：

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

【讨论】：

【解决方案5】：

使用numpy clip。它优雅且速度极快：

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

要同时消除负无穷大，请将-np.inf 替换为一个小数字。 NaN 始终不受影响。要获得最大值，请使用max(df["x"])。

【讨论】：

不会max(df["x"]) 只返回inf？