1. 方法簡介

1.1 DataFrame.dropna()

DataFrame.dropna()方法的作用：是刪除含用空值或缺失值得行或列。
語法為：dropna（axis=0，how=‘any’，thresh=None，subset=None，inplace=False）
參數(shù)：

• axis:確定過濾的行或列，取值可以為
  (1) 0或index：刪除包含缺失值的行，默認為0。
  (2) 1或columns：刪除包含缺失值的列。
• how:確定過濾的標準，取值可以為：
  (1)any:默認值，如果存在NaN值，就刪除該行或該列。//有一個就刪除行或列
  (2)all:如果所有值都是NaN值，就刪除該行或該列。 //全部都是才刪除行或列
• thresh:表示有效數(shù)據(jù)量的最小要求，比如thresh=3，要求該行或該列至少有三個不是NaN值時將其保留。
• subset:表示在特定的字集中尋找NaN值
• inplace:表示是否在原數(shù)據(jù)上操作，如果設為True，則表示直接修改原數(shù)據(jù)；如果設為False，則表示修改原數(shù)據(jù)的副本，返回新數(shù)據(jù)

1.2 .DataFrame.fillna()

語法為：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
參數(shù)：

• value：用于填充的空值的值。
• method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None。定義了填充空值的方法， pad / ffill表示用前面行/列的值，填充當前行/列的空值， backfill / bfill表示用后面行/列的值，填充當前行/列的空值。
• axis：軸。0或’index’，表示按行刪除；1或’columns’，表示按列刪除。
• inplace：是否原地替換。布爾值，默認為False。如果為True，則在原DataFrame上進行操作，返回值為None。
• limit：int， default None。如果method被指定，對于連續(xù)的空值，這段連續(xù)區(qū)域，最多填充前 limit 個空值（如果存在多段連續(xù)區(qū)域，每段最多填充前 limit 個空值）。如果method未被指定， 在該axis下，最多填充前 limit 個空值（不論空值連續(xù)區(qū)間是否間斷）
• downcast：dict, default is None，字典中的項為，為類型向下轉換規(guī)則。或者為字符串“infer”，此時會在合適的等價類型之間進行向下轉換，比如float64 to int64 if possible。

2. 案例

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(32).reshape(8, 4), columns=list("abcd"))
df.loc[1, 'a'] = 2
df.loc[1, 'c'] = 2.0
df.loc[6, 'c'] = np.nan
df.loc[3, 'c'] = 10
df.loc[3, ['c', 'd']] = np.nan
df["year"] = '2023'
df["date"] = ['08-25','08-26','08-27','08-28','08-29','08-30','08-31','09-01']
# 合并數(shù)據(jù)
df["ydate"] =df["year"].map(str) +"-"+ df["date"].map(str) 
df["高溫"] = ['15°',  '16°', '20°', '19°', '20°',  '22°', '24°', '23°']
df["低溫"] = ['10°',  '11°', '18°', '17°', '10°',  '18°', '20°', '17°']
df["空氣質(zhì)量"] = ['優(yōu)', '良', '優(yōu)', '優(yōu)', '差', '良', '優(yōu)', np.nan]
print(df)

    a   b     c     d  year   date       ydate   高溫   低溫 空氣質(zhì)量
0   0   1   2.0   3.0  2023  08-25  2023-08-25  15°  10°    優(yōu)
1   2   5   2.0   7.0  2023  08-26  2023-08-26  16°  11°    良
2   8   9  10.0  11.0  2023  08-27  2023-08-27  20°  18°    優(yōu)
3  12  13   NaN   NaN  2023  08-28  2023-08-28  19°  17°    優(yōu)
4  16  17  18.0  19.0  2023  08-29  2023-08-29  20°  10°    差
5  20  21  22.0  23.0  2023  08-30  2023-08-30  22°  18°    良
6  24  25   NaN  27.0  2023  08-31  2023-08-31  24°  20°    優(yōu)
7  28  29  30.0  31.0  2023  09-01  2023-09-01  23°  17°  NaN

2.1 刪除全部為NaN的行

df1 = df.copy()
df1.loc[8, :] = np.nan
df1

       a       b       c       d     year       date       ydate       高溫     低溫     空氣質(zhì)量
0     0.0     1.0     2.0     3.0     2023     08-25     2023-08-25     15°     10°     優(yōu)
1     2.0     5.0     2.0     7.0     2023     08-26     2023-08-26     16°     11°     良
2     8.0     9.0     10.0     11.0     2023     08-27     2023-08-27     20°     18°     優(yōu)
3     12.0     13.0     NaN     NaN     2023     08-28     2023-08-28     19°     17°     優(yōu)
4     16.0     17.0     18.0     19.0     2023     08-29     2023-08-29     20°     10°     差
5     20.0     21.0     22.0     23.0     2023     08-30     2023-08-30     22°     18°     良
6     24.0     25.0     NaN     27.0     2023     08-31     2023-08-31     24°     20°     優(yōu)
7     28.0     29.0     30.0     31.0     2023     09-01     2023-09-01     23°     17°     NaN
8     NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN 

df1 = df.dropna(axis=0, how='all')
df1

2.2 刪除包含NaN的行

df2 = df.dropna(axis=0, how='any')
df2

2.3 刪除包含NaN的列

df3 = df.dropna(axis=1, how='any')
df3

2.4 刪除全部為NaN的列

df4 = df.copy()
df4["unknow"] = np.nan
df4

df4 = df4.dropna(axis=1, how='all')
df4

2.5 刪除指定列是NaN的行

刪除指定某一列有nan，這樣即可定位到所在行的index，然后對該index進行drop操作即可

df[np.isnan(df['c'])].index #定位某一列是否有nan

輸出：

Index([3, 6], dtype='int64')

# 直接drop對應indx即可刪除該行
df5 = df.drop(df[np.isnan(df['c'])].index)
df5

2.6 刪除指定的兩列都是空的行

df6 = df.dropna(axis=0, how='all', subset=['c', 'd']) 
df6

2.7 篩選出NaN的數(shù)據(jù)

df_nan = df[df['d'].isna()]
df_nan

2.8 篩選出非NaN的數(shù)據(jù)

df_notnan = df[~df['d'].isna()]
df_notnan

2.9 替換NaN值

df9 = df.fillna('')  # 將nan替換為''
df9

2.10 多條件篩選

nan_df = df[(df['高溫'].str.len() <= 2) | (df['空氣質(zhì)量'].isna())]
nan_df

總結

到此這篇關于Pandas中DataFrame中的nan值處理的文章就介紹到這了,更多相關Pandas DataFrame nan值內(nèi)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！

最新評論