约定第一行代码

import numpy as np
import pandas as pd

Dropna

滤除缺失数据

pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。使用dropna使得滤除缺失数据更加得心应手。

一、处理Series对象

通过dropna()滤除缺失数据

se1=pd.Series([4,NaN,8,NaN,5])
se1

#代码结果
0    4.0
1    NaN
2    8.0
3    NaN
4    5.0
dtype: float64

se1.dropna()

#代码结果
0    4.0
2    8.0
4    5.0
dtype: float64

通过布尔序列也能滤除

se1[se1.notnull()]

#代码结构
0    4.0
2    8.0
4    5.0
dtype: float64

二、处理DataFrame对象

处理DataFrame对象比较复杂,因为你可能需要丢弃所有的NaN或部分NaN

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
df1

代码结果

012
01.02.03.0
1NaNNaN2.0
2NaNNaNNaN
38.08.0NaN

默认滤除所有包含NaN

df1.dropna()

代码结果

012
01.02.03.0

传入how='all'滤除全为NaN的行

df1.dropna(how='all')

代码结果

012
01.02.03.0
1NaNNaN2.0
2NaNNaNNaN
38.08.0NaN

传入axis=1滤除列

df1[3]=NaN
df1

代码结果

0123
01.02.03.0NaN
1NaNNaN2.0NaN
2NaNNaNNaNNaN
38.08.0NaNNaN
df1.dropna(axis=1,how="all")

代码结果

012
01.02.03.0
1NaNNaN2.0
38.08.0NaN

传入thresh=n保留至少有n个非NaN数据的行

df1.dropna(thresh=1)

代码结果

0123
01.02.03.0NaN
1NaNNaN2.0NaN
38.08.0NaNNaN
df1.dropna(thresh=3)

代码结果

0123
01.02.03.0NaN

世界因代码而改变 Peace Out
世界因代码而改变 Peace Out
最后修改:2020 年 10 月 07 日 03 : 21 PM
如果觉得我的文章对你有用,请随意赞赏