Python|熊猫系列.gt()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas Series.gt()用于比较两个系列并为每个元素返回布尔值。

Syntax: Series.gt(other, level=None, fill_value=None, axis=0)
Parameters: 
other: other series to be compared with 
level: int or name of level in case of multi level 
fill_value: Value to be replaced instead of NaN 
axis: 0 or ‘index’ to apply method by rows and 1 or ‘columns’ to apply by columns.
Return type: Boolean series 
 

注意：结果是根据比较调用者系列>其他系列返回的。
要下载以下示例中使用的数据集，请单击此处。
在以下示例中，使用的数据框包含一些 NBA 球员的数据。下面附上任何操作之前的数据帧图像。

示例 1：
在此示例中，年龄列和体重列使用 .gt() 方法进行比较。由于重量列中的值与年龄列相比非常大，因此首先将值除以 10。在比较之前，使用 .dropna() 方法删除空行以避免错误。

Python3

# importing pandas module
import pandas as pd
 
# importing regex module
import re
   
# making data frame
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
   
# removing null values to avoid errors
data.dropna(inplace = True)
 
# other series
other = data["Weight"]/10
 
# calling method and returning to new column
data["Age > Weight"]= data["Age"].gt(other)

输出：
如输出图像所示，只要 Age 列中的值大于 Weight/10，新列的值为 True。

示例 2：处理 NaN 值
在此示例中，使用 pd.Series() 创建了两个系列。该系列也包含空值，因此将 5 传递给 fill_value 参数以将空值替换为 5。

Python3

# importing pandas module
import pandas as pd
 
# importing numpy module
import numpy as np
 
# creating series 1
series1 = pd.Series([24, 19, 2, 33, 49, 7, np.nan, 10, np.nan])
 
# creating series 2
series2 = pd.Series([16, np.nan, 2, 23, 5, 40, np.nan, 0, 9])
 
# setting null replacement value
na_replace = 5
 
# calling and storing result
result = series1.gt(series2, fill_value = na_replace)
 
# display
result

输出：
从输出中可以看出，NaN 值被 5 替换，替换后执行比较，并使用新值进行比较。

0     True
1     True
2    False
3     True
4     True
5    False
6    False
7     True
8    False
dtype: bool