pandas删除某列有空值的⾏_pandas中处理缺失值：dropna 分析数据免不了遇到很多空值的情况，如果想去除这些空值，pandas设置了专门的函数：dropna()，下⾯将对dropna()进⾏详细的介绍
dropna()
需要重点掌握的知识点：
第⼀点需要确定的参数就是axis,0：⾏，1：列
当inplace=True时，how建议设置为"all"
建议采⽤默认返回新对象的⽅法，不要对原始数据进⾏修改
subset建议每次都⽤上，更有针对性
thresh为⾮空的值得数量，⼩于该数量将会被删除
⾸先需要判断是否含有空值：
isna()
df.isna()
结果
isnull()
判断是否全部为空：
isna().any()or isnull.any()，两个函数是⼀样的
df.isnull().any()
结果：
判断某⼀列是否为空：
df['toy'].isnull()
df['toy'].isnull().any()
下⾯正式学习：dropna()
DataFrame.dropna(self, axis=0, how='any', thresh=None, subset=None, inplace=False)[source]
当axis=1，当某列出现缺失值时，将改列丢弃并返回
how ：确定缺失值的个数：缺省时为how=‘any’
how=‘any’ ，表明只要某⾏或者列出现缺失值就将该⾏列丢弃how=‘all’ ，表明某⾏列全部为缺失值才将其丢弃
thresh：阈值设定
当⾏列中⾮缺省值的数量少于给定的值就将该⾏丢弃
subset：部分标签中删除某⾏列
subset = [ 'a','d'] 即丢弃⼦列 a d 中含有缺失值的⾏
iniplace： bool取值，默认False
当inplace= True， 即对原数据操作，没有返回值
实例学习：
pd.dropna():
df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'], "toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
rs=df.dropna()
print(df)
print("="*40)
print(rs)
默认设置情况下：
结果：
axis:
默认为0，删除含有缺失值的⾏，axis=1删除含有缺失值的列
rs=df.dropna(axis=1)
how：默认为‘any’
how=‘any’ ，表明只要某⾏或者列出现缺失值就将该⾏列丢弃how=‘all’ ，表明某⾏列全部为缺失值才将其丢弃
重新构建数据，增加⼀列和⼀⾏空值：
df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'], "toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
df["p"]=np.nan
df.loc["4"]= np.nan
how="all":
axis=1:
rs=df.dropna(axis=1,how="all")
isnull的用法结果：
axis=0：
rs=df.dropna(axis=0,how="all")
thresh:
⾏或列⾄少保留的⾮空值的数量，关键是⾮空的数量
传⼊⼀个整数值，当⾏或列低于该值时删除，⼤于等于时不删除当没⾏⾄少有⼀个不是空值时保留，全部为空时删除
rs=df.dropna(axis=0,thresh=1)
结果
当每⾏⾄少有2个不是空值时保留，全部为空时删除
rs=df.dropna(axis=0,thresh=2)
结果
subset：注意，只能删除⾏，需要给定列标签，不能删除列

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。