看代码吧~
DataFrame.dropna(axis=0, how="any", thresh=None, subset=None, inplace=False) Remove missing values.
pd.dropna()函数(官方文档)用于过滤数据中的缺失数据.
缺失数据在pandas中用NaN标记.
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index = list("abcde"), columns = ["one", "two", "three"]) # 随机产生5行3列的数据 df.ix[1, :-1] = np.nan # 将指定数据定义为缺失 df.ix[1:-1, 2] = np.nan print(df)
df.dropna() #删除所有带缺失数据的行
parameters | 详解 |
---|---|
axis | default 0指行,1为列 |
how | {‘any", ‘all"}, default ‘any"指带缺失值的所有行;"all"指清除全是缺失值的行 |
thresh | int,保留含有int个非空值的行 |
subset | 对特定的列进行缺失值删除处理 |
inplace | 这个很常见,True表示就地更改 |
补充:Python-pandas的dropna()方法-丢弃含空值的行、列
0.摘要
dropna()方法,能够找到DataFrame类型数据的空值(缺失值),将空值所在的行/列删除后,将新的DataFrame作为返回值返回。
1.函数详解
函数形式:dropna(axis=0, how="any", thresh=None, subset=None, inplace=False)
参数:
axis:轴。0或"index",表示按行删除;1或"columns",表示按列删除。
how:筛选方式。‘any",表示该行/列只要有一个以上的空值,就删除该行/列;‘all",表示该行/列全部都为空值,就删除该行/列。
thresh:非空元素最低数量。int型,默认为None。如果该行/列中,非空元素数量小于这个值,就删除该行/列。
subset:子集。列表,元素为行或者列的索引。如果axis=0或者‘index",subset中元素为列的索引;如果axis=1或者‘column",subset中元素为行的索引。由subset限制的子区域,是判断是否删除该行/列的条件判断区域。
inplace:是否原地替换。布尔值,默认为False。如果为True,则在原DataFrame上进行操作,返回值为None。
2.示例
创建DataFrame数据:
import numpy as np import pandas as pd a = np.ones((11,10)) for i in range(len(a)): a[i,:i] = np.nan d = pd.DataFrame(data=a) print(d)
按行删除:存在空值,即删除该行
# 按行删除:存在空值,即删除该行 print(d.dropna(axis=0, how="any"))
按行删除:所有数据都为空值,即删除该行
# 按行删除:所有数据都为空值,即删除该行 print(d.dropna(axis=0, how="all"))
按列删除:该列非空元素小于5个的,即删除该列
# 按列删除:该列非空元素小于5个的,即删除该列 print(d.dropna(axis="columns", thresh=5))
设置子集:删除第0、5、6、7列都为空的行
# 设置子集:删除第0、5、6、7列都为空的行 print(d.dropna(axis="index", how="all", subset=[0,5,6,7]))
设置子集:删除第5、6、7行存在空值的列
# 设置子集:删除第5、6、7行存在空值的列 print(d.dropna(axis=1, how="any", subset=[5,6,7]))
原地修改
# 原地修改 print(d.dropna(axis=0, how="any", inplace=True)) print("==============================") print(d)
以上为个人经验,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/The_Time_Runner/article/details/84324064