apply函数
1. apply函数的灵活性
标量返回值
列表返回值
数据框返回值
可能在所有的分组函数中,apply是应用最为广泛的,这得益于它的灵活性:对于传入值而言,从下面的打印内容可以看到是以分组的表传入...apply函数的灵活性很大程度来源于其返回值的多样性:
a)....np.random.randint(0,df.shape[0],25),['Math']]=np.nan
df_nan.head()
fillna 的method方法可以控制参数的填充方式,是向上填充:将缺失值填充为该列中它上一个未缺失值...():向下填充 [nan, nan, nan, -2.0, -2.0, -2.0, -2.0, -5.0]
.add(s1,fill_value =0) 缺失值补0后与s1求和:[0.0, 1.0, 2.0...严格递增最大序列长度在max的基础上+1,结果如下.
#(0.0, 0.5] 8
#(0.5, 1.0] 8
#(1.0, 1.5] 7
#(1.5, 2.0] 11
#(2.0, 6.0]