Pandas缺失值刪除df.dropna()的使用
更新時(shí)間：2022年07月24日 09:44:05 作者：山茶花開時(shí)。
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(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)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(gè)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(rèn)為None。如果該行/列中，非空元素?cái)?shù)量小于這個(gè)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(diào)原來的dataframe。布爾值，默認(rèn)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(jù)
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(jié)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) {‘a(chǎn)ny', ‘a(chǎn)ll'}, default ‘a(chǎn)ny'，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(gè)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(jié)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(jù)。若需要替換，可以重新賦值或者傳入?yún)?shù)inplace = True
到此這篇關(guān)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(guān)Pandas缺失值刪除df.dropna()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python和OpenCV進(jìn)行多尺度模板匹配實(shí)現(xiàn)
本文將實(shí)現(xiàn)如何將標(biāo)準(zhǔn)模板匹配擴(kuò)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(jià)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(xì)步驟，本文圖文并茂給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-12-12
Python數(shù)據(jù)可視化之繪制柱狀圖和條形圖
今天帶大家學(xué)習(xí)怎么利用Python繪制柱狀圖,條形圖,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python的小伙伴們很有幫助,需要的朋友可以參考下2021-05-05
Python字典dict常用方法函數(shù)實(shí)例
這篇文章主要介紹了Python字典dict常用方法函數(shù)實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)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?cè)诰帉懘a時(shí)提高效率。 這篇文章主要介紹了Pycharm小白級(jí)簡(jiǎn)單使用教程,需要的朋友可以參考下2020-01-01
Python尋找兩個(gè)有序數(shù)組的中位數(shù)實(shí)例詳解
這篇文章主要介紹了Python尋找兩個(gè)有序數(shù)組的中位數(shù),本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)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(huì)出現(xiàn)在多線程環(huán)境中，指的是在多線程環(huán)境下，多個(gè)線程等待在同一個(gè)條件上，等到條件滿足時(shí)，所有等待的線程都被喚醒，但由于多個(gè)線程執(zhí)行的順序不同2023-02-02
python numpy實(shí)現(xiàn)文件存取的示例代碼
這篇文章主要介紹了python numpy實(shí)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(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05
Python中數(shù)據(jù)類轉(zhuǎn)換為JSON的方法詳解
這篇文章主要介紹了Python中數(shù)據(jù)類轉(zhuǎn)換為JSON的方法詳解的相關(guān)資料,需要的朋友可以參考下2023-09-09