Pandas缺失值刪除df.dropna()的使用
更新時間：2022年07月24日 09:44:05 作者：山茶花開時。
本文主要介紹了Pandas缺失值刪除df.dropna()的使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
函數(shù)參數(shù)
函數(shù)形式：dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)
參數(shù)：
- axis：0或’index’，表示按行刪除；1或’columns’，表示按列刪除。
- how：‘any’，表示該行/列只要有一個以上的空值，就刪除該行/列；‘all’，表示該行/列全部都為空值，就刪除該行/列。
- thresh：int型，默認為None。如果該行/列中，非空元素數(shù)量小于這個值，就刪除該行/列。
- subset：子集。列表，按columns所在的列（或index所在的行）刪除。
- inplace：是否原地替換調原來的dataframe。布爾值，默認為False。
整行整列刪除
使用df.dropna()方法刪除缺失值
import pandas as pd
import numpy as np
# 原數(shù)據
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
'B':['b1','b2',None,'b2'],
'C':[1,2,3,4],
'D':[5,6,None,8],
'E':[5,None,7,8]
})
# 刪除有缺失值的行
res1 = df.dropna()
# 刪除有缺失值的列
res2 = df.dropna(1)結果展示
df
res1
res2
以下是一些常見操作:
# 刪除所有缺失值的行
df.dropna()
# 刪除所有缺失值的列
df.dropna(axis = 'columns')
df.dropna(axis = 1)
# how參數(shù) {‘any', ‘all'}, default ‘any'，any：刪除帶有nan的行；all：刪除全為nan的行
# 刪除所有值都缺失的行
df.dropna(how = 'all')
# 刪除至少有兩個缺失值的行
df.dropna(thresh = 2)
# 指定判斷缺失值的列范圍
df.dropna(subset = ['B','D'])
# 使刪除的結果生效
df.dropna(inplace = True)
# 指定列的缺失值刪除
df.col.dropna()
需要注意的是，df.dropna()操作不能替換原來的數(shù)據。若需要替換，可以重新賦值或者傳入參數(shù)inplace = True
到此這篇關于Pandas缺失值刪除df.dropna()的使用的文章就介紹到這了,更多相關Pandas缺失值刪除df.dropna()內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python和OpenCV進行多尺度模板匹配實現(xiàn)
本文將實現(xiàn)如何將標準模板匹配擴展到多尺度，使其可以處理模板和輸入圖像大小不同的匹配。具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
這篇文章主要介紹了PyCharm下載和安裝詳細步驟，本文圖文并茂給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2019-12-12
今天帶大家學習怎么利用Python繪制柱狀圖,條形圖,文中有非常詳細的代碼示例,對正在學習python的小伙伴們很有幫助,需要的朋友可以參考下2021-05-05
這篇文章主要介紹了Python字典dict常用方法函數(shù)實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-11-11
這篇文章主要介紹了使用python獲取cpu每秒的使用率，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
pycharm是一種Python IDE，能夠幫助我們在編寫代碼時提高效率。 這篇文章主要介紹了Pycharm小白級簡單使用教程,需要的朋友可以參考下2020-01-01
Python尋找兩個有序數(shù)組的中位數(shù)實例詳解
這篇文章主要介紹了Python尋找兩個有序數(shù)組的中位數(shù),本文通過實例代碼給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2018-12-12
這篇文章主要介紹了Python Thread虛假喚醒概念與防范，虛假喚醒是一種現(xiàn)象，它只會出現(xiàn)在多線程環(huán)境中，指的是在多線程環(huán)境下，多個線程等待在同一個條件上，等到條件滿足時，所有等待的線程都被喚醒，但由于多個線程執(zhí)行的順序不同2023-02-02
這篇文章主要介紹了python numpy實現(xiàn)文件存取的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
這篇文章主要介紹了Python中數(shù)據類轉換為JSON的方法詳解的相關資料,需要的朋友可以參考下2023-09-09