刪除DataFrame中值全為NaN或者包含有NaN的列或行方法
更新時間:2018年11月06日 09:28:13 作者:calorand
今天小編就為大家分享一篇刪除DataFrame中值全為NaN或者包含有NaN的列或行方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
如果存在以下DataFrame
年齡 性別 手機號 0 2 男 NaN 1 3 女 NaN 2 4 NaN NaN
刪除NaN所在的行:
刪除表中全部為NaN的行
df.dropna(axis=0,how='all')
刪除表中含有任何NaN的行
df.dropna(axis=0,how='any') #drop all rows that have any NaN values
刪除NaN所在的列:
刪除表中全部為NaN的行
df.dropna(axis=1,how='all')
刪除表中含有任何NaN的行
df.dropna(axis=1,how='any') #drop all rows that have any NaN values
以上這篇刪除DataFrame中值全為NaN或者包含有NaN的列或行方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python實現(xiàn)讀取mat、tif和hdr格式數(shù)據(jù)
遙感影像數(shù)據(jù)大多以tif格式或者以hdr格式進行存儲,如果以mat格式進行存儲,不會保留坐標信息,本文將詳細介紹如何使用python來讀取這三種格式的數(shù)據(jù),需要的可以參考下2023-12-12Python中np.percentile和df.quantile分位數(shù)詳解
分位數(shù)(Quantile)亦稱分位點是指將一個隨機變量的概率分布范圍分為幾個等份的數(shù)值點,下面這篇文章主要給大家介紹了關(guān)于Python中np.percentile和df.quantile分位數(shù)的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-05-05