| Parameters | 說明 |
|---|---|
| axis | 0為行 1為列，default 0，數(shù)據(jù)刪除維度 |
| how | {‘a(chǎn)ny', ‘a(chǎn)ll'}, default ‘a(chǎn)ny'，any：刪除帶有nan的行；all：刪除全為nan的行 |
| thresh | int，保留至少 int 個非nan行 |
| subset | list，在特定列缺失值處理 |
| inplace | bool，是否修改源文件 |
測試：
>>>df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
"toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
>>>df
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
刪除至少缺少一個元素的行：
>>>df.dropna() name toy born 1 Batman Batmobile 1940-04-25
刪除至少缺少一個元素的列：
>>>df.dropna(axis=1)
name
0 Alfred
1 Batman
2 Catwoman
刪除所有元素丟失的行：
>>>df.dropna(how='all')
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
只保留至少2個非NA值的行：
>>>df.dropna(thresh=2)
name toy born
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
從特定列中查找缺少的值：
>>>df.dropna(subset=['name', 'born'])
name toy born
1 Batman Batmobile 1940-04-25
修改原數(shù)據(jù)：
>>>df.dropna(inplace=True) >>>df name toy born 1 Batman Batmobile 1940-04-25
以上。
補充：Pandas 之Dropna濾除缺失數(shù)據(jù)
約定：
import pandas as pd import numpy as np from numpy import nan as NaN
濾除缺失數(shù)據(jù)
pandas的設(shè)計目標之一就是使得處理缺失數(shù)據(jù)的任務(wù)更加輕松些。pandas使用NaN作為缺失數(shù)據(jù)的標記。
使用dropna使得濾除缺失數(shù)據(jù)更加得心應(yīng)手。
通過**dropna()**濾除缺失數(shù)據(jù)：
se1=pd.Series([4,NaN,8,NaN,5]) print(se1) se1.dropna()
代碼結(jié)果：
0 4.0 1 NaN 2 8.0 3 NaN 4 5.0 dtype: float64 0 4.0 2 8.0 4 5.0 dtype: float64
通過布爾序列也能濾除：
se1[se1.notnull()]
代碼結(jié)果：
0 4.0 2 8.0 4 5.0 dtype: float64
處理DataFrame對象比較復(fù)雜，因為你可能需要丟棄所有的NaN或部分NaN。
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]]) df1
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | NaN | NaN | 2.0 |
| 2 | NaN | NaN | NaN |
| 3 | 8.0 | 8.0 | NaN |
默認濾除所有包含NaN：
df1.dropna()
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
傳入**how=‘a(chǎn)ll'**濾除全為NaN的行：
df1.dropna(how='all')
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | NaN | NaN | 2.0 |
| 3 | 8.0 | 8.0 | NaN |
傳入axis=1濾除列：
df1[3]=NaN df1
代碼結(jié)果：
| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 | NaN |
| 1 | NaN | NaN | 2.0 | NaN |
| 2 | NaN | NaN | NaN | NaN |
| 3 | 8.0 | 8.0 | NaN | NaN |
df1.dropna(axis=1,how="all")
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | NaN | NaN | 2.0 |
| 2 | NaN | NaN | NaN |
| 3 | 8.0 | 8.0 | NaN |
傳入thresh=n保留至少有n個非NaN數(shù)據(jù)的行：
df1.dropna(thresh=1)
代碼結(jié)果：
| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 | NaN |
| 1 | NaN | NaN | 2.0 | NaN |
| 3 | 8.0 | 8.0 | NaN | NaN |
df1.dropna(thresh=3)
代碼結(jié)果：
| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 | NaN |
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
