python学习笔记2

最新推荐文章于 2025-07-07 23:14:26 发布

原创最新推荐文章于 2025-07-07 23:14:26 发布 · 588 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

python学习笔记

当前文章被收录于：

python学习笔记

2 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文介绍如何在Python中使用pandas库处理DataFrame的列名空格、判断NaT值，以及如何配置并使用Python的日志记录功能。通过具体实例展示了如何去除DataFrame列名中的空格、判断日期时间索引中的NaT值，并提供了记录不同级别日志的示例代码。

一、去除dataframe的列名里的空格

df = df.rename(columns=lambda x: x.replace(" ", ""))

二、python记录日志

参考文件：https://www.cnblogs.com/bethansy/p/7716747.html

实际例子：

import logging
import os
logging.basicConfig(level=logging.DEBUG,
                    format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
                    datefmt='%a, %d %b %Y %H:%M:%S',
                    filename=os.path.join(os.getcwd(),'log.txt'),
                    filemode='w')
logging.debug('debug message')
logging.info('info message')
logging.warning('warning message')
logging.error('error message')
logging.critical('critical message')

此时也会自动生成一个日志文件，日志文件和运行文件在同一个文件夹中，文件名logging.log

三、对dataframe中出现NaT数据的判断

import pandas as pd
index = pd.DatetimeIndex(["2017-07-05", "2017-07-06", None,
                           "2017-07-08"])
index
DatetimeIndex(['2017-07-05', '2017-07-06', 'NaT', '2017-07-08'],
              dtype='datetime64[ns]', freq=None)
pd.isna(index)
array([False, False,  True, False])

所以用pd.isna()判断就可以了