`` [图片] 首先介绍 dropna 常用参数: DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) 主要的2个参数axis和how: #axis=0: 删除包含缺失值(NaN)的行 #axis=1: 删除包含缺失值 ..

pandas nan 值处理方法

``

首先介绍 dropna 常用参数:

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

主要的2个参数axis和how:
#axis=0: 删除包含缺失值(NaN)的行
#axis=1: 删除包含缺失值(NaN)的列
# how='any': 要有缺失值(NaN)出现删除
# how='all': 所有的值都缺失(NaN)才删除

这两个要配合使用才好。

还有一个thresh参数
如果缺失值(NaN)的数量大于thresh,将删除

创建 DataFrame 样例数据

>>> import pandas as pd
>>> import numpy as np
>>> data = pd.DataFrame({'a': [1, 2, 4, np.nan,7, 9], 'b': ['a', 'b', np.nan, np.nan, 'd', 'e'], 'c': [np.nan, 0, 4, np.nan, np.nan, 5], 'd': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]})
>>> data
     a    b    c   d
 1.0    a  NaN NaN
 2.0    b  0.0 NaN
 4.0  NaN  4.0 NaN
 NaN  NaN  NaN NaN
 7.0    d  NaN NaN
 9.0    e  5.0 NaN

判断值 value 是否为 NaN

>>> np.isnan(value)    # return Ture or False #
>>> value is np.nan    # return Ture or False #

删除 NaN 所在行

'''use dropna(axis=0,how='all')'''
>>> data.dropna(axis=0,how='all')
    a    b    c   d
1.0    a  NaN NaN
2.0    b  0.0 NaN
4.0  NaN  4.0 NaN
7.0    d  NaN NaN
9.0    e  5.0 NaN

删除表中含有任何 NaN 的行

'''use dropna(axis=0,how='any')'''
>>> data.dropna(axis=0,how='any')
Empty DataFrame
Columns: [a, b, c, d]
Index: []

删除表中全部为 NaN 的列

'''use dropna(axis=1, how='all')'''
>>> data.dropna(axis=1, how='all')
     a    b    c
 1.0    a  NaN
 2.0    b  0.0
 4.0  NaN  4.0
 NaN  NaN  NaN
 7.0    d  NaN
 9.0    e  5.0
  • Pandas
    4 引用 • 2 回帖
  • Python

    Python 是一种面向对象、直译式电脑编程语言,具有近二十年的发展历史,成熟且稳定。它包含了一组完善而且容易理解的标准库,能够轻松完成很多常见的任务。它的语法简捷和清晰,尽量使用无异义的英语单词,与其它大多数程序设计语言使用大括号不一样,它使用缩进来定义语句块。

    379 引用 • 546 回帖 • 572 关注
回帖
请输入回帖内容...