Python Pandas Series.lt()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas Series.lt()用于比较两个系列，并为每个相应的元素返回布尔值。

语法: Series.lt(other, level=None, fill_value=None, axis=0)

参数:
other：要与之比较的其他系列
level: int或者在多级的情况下，级别的名称。
fill_value。要替换的值，而不是NaN
axis：0或’index’用于按行应用方法，1或’columns’用于按列应用。

返回类型: 布尔系列

注意：结果是在比较调用者系列<其他系列的基础上返回的。

要下载以下例子中使用的数据集，请点击这里。

在下面的例子中，所使用的数据框包含一些NBA球员的数据。下面是数据框在任何操作之前的图像。

示例 #1:

在这个例子中，年龄列和体重列用.lt()方法进行比较。由于与Age列相比，weight列的值非常大，因此首先将这些值除以10。在比较之前，使用.dropna()方法去除空行以避免错误。

# importing pandas module 
import pandas as pd 
  
# 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"].lt(other)
  
# display
data

输出:
如输出图片所示，只要Age列的值小于Weight/10，新列就为True。

例子#2：处理NaN值

在这个例子中，使用pd.Series()创建了两个系列。该系列也包含空值，因此10被传递给fill_value参数，以用10替换空值。

# importing pandas module 
import pandas as pd 
  
# importing numpy module
import numpy as np
  
# creating series 1
series1 = pd.Series([11, 21, 2, 43, 9, 27, np.nan, 110, np.nan])
  
# creating series 2
series2 = pd.Series([16, np.nan, 2, 23, 5, 40, np.nan, 0, 19])
  
# setting null replacement value
na_replace = 10
  
# calling and storing result
result = series1.lt(series2, fill_value = na_replace)
  
# display
result

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

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