Pandas之Dropna滤除缺失数据

import pandas as pd
import numpy as np
from numpy import nan as NaN

一、处理Series对象

• 通过dropna()滤除缺失数据

from numpy import nan as NaN
se1=pd.Series([4,NaN,8,NaN,5])
print(se1)
se1.dropna()

结果如下：

0    4.0
1    NaN
2    8.0
3    NaN
4    5.0
dtype: float64

0    4.0
1    NaN
2    8.0
3    NaN
4    5.0
dtype: float64

• 通过布尔序列也能滤除：

se1[se1.notnull()]

结果如下：

0    4.0
2    8.0
4    5.0
dtype: float64

二、处理DataFrame对象

处理DataFrame对象比较复杂，因为你可能需要丢弃所有的NaN或部分NaN

df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]])
print(df1)

结果如下：

     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

• 默认滤除所有包含NaN：

df1.dropna()

结果如下

     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

• 传入how=’all’滤除全为NaN的行

df1.dropna(how='all')

结果如下

     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

• 传入axis=1滤除列

df1[3]=NaN
df1

结果如下

     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")

结果如下

     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

• 传入thresh=n滤除n行

df1.dropna(thresh=1)

结果如下

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)

结果如下

      0  1   2    3
0   1.0 2.0 3.0 NaN

转载于:https://www.cnblogs.com/nxf-rabbit75/p/9784459.html