pandas中dropna（）参数详解
DataFrame.dropna( axis=0, how=‘any’, thresh=None, subset=None, inplace=False)
1.axis参数确定是否删除包含缺失值的行或列
axis=0或axis=’index’删除含有缺失值的行，
axis=1或axis=’columns’删除含有缺失值的列，
import pandas as pd import numpy as np 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 |
df.dropna() #默认是axis=0 | name | toy | born | |
|---|---|---|---|
| 1 | Batman | Batmobile | 1940-04-25 |
df.dropna(axis=1) #输出 | name | |
|---|---|
| 0 | Alfred |
| 1 | Batman |
| 2 | Catwoman |
2.how参数当我们至少有一个NA时，确定是否从DataFrame中删除行或列
how=’all’或者how=‘any’。
how=’all’时表示删除全是缺失值的行（列）
how=’any’时表示删除只要含有缺失值的行（列）
df.dropna(how='all') | name | toy | born | |
|---|---|---|---|
| 0 | Alfred | NaN | NaT |
| 1 | Batman | Batmobile | 1940-04-25 |
| 2 | Catwoman | Bullwhip | NaT |
3.thresh=n表示保留至少含有n个非na数值的行
df.dropna(thresh=2) | name | toy | born | |
|---|---|---|---|
| 1 | Batman | Batmobile | 1940-04-25 |
| 2 | Catwoman | Bullwhip | NaT |
4.subset定义要在哪些列中查找缺失值
df.dropna(subset=['name', 'born']) #删除在'name' 'born'列含有缺失值的行 | name | toy | born | |
|---|---|---|---|
| 1 | Batman | Batmobile | 1940-04-25 |
5.inplace表示直接在原DataFrame修改
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/220217.html原文链接：https://javaforall.net
![C语言优先级表格（超全）[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
