在这个例子中,sdata 中跟 states 索引相匹配的那 3 个值会被找出来并放到相应的位置上,但由于"California"所对应的 sdata 值找不到,所以其结果就为 NaN(即“非数字”(not a number),在 pandas 中,它用于表示缺失或 NA 值)。因为‘Utah’不在 states 中,它被从结果中除去。
在这个例子中,`sdata`中跟`states`索引相匹配的那 3 个值会被找出来并放到相应的位置上,但由于`"California"`所对应的`sdata`值找不到,所以其结果就为`NaN`(即“非数字”(not a number),在 pandas 中,它用于表示缺失或 NA 值)。因为`Utah`不在`states`中,它被从结果中除去。
我将使用缺失(missing)或 NA 表示缺失数据。pandas 的 isnull 和 notnull 函数可用于检测缺失数据:
我将使用缺失(missing)或 NA 表示缺失数据。pandas 的`isnull`和`notnull`函数可用于检测缺失数据:
```python
In[32]:pd.isnull(obj4)
Out[32]:
...
...
@@ -202,9 +202,9 @@ Utah NaN
dtype:float64
```
数据对齐功能将在后面详细讲解。如果你使用过数据库,你可以认为是类似 join 的操作。
数据对齐功能将在后面详细讲解。如果你使用过数据库,你可以认为是类似`join`的操作。
`Series`对象本身及其索引都有一个 name 属性,该属性跟 pandas 其他的关键功能关系非常密切: