Pandas之Dropna滤除缺失数据的实现方法

时间:2022-09-04 10:43:12

约定:

?
1
2
3
import pandas as pd
import numpy as np
from numpy import nan as NaN

滤除缺失数据

pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。

使用dropna使得滤除缺失数据更加得心应手。

一、处理Series对象

通过**dropna()**滤除缺失数据:

?
1
2
3
se1=pd.Series([4,NaN,8,NaN,5])
print(se1)
se1.dropna()

代码结果:

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

0    4.0
2    8.0
4    5.0
dtype: float64

通过布尔序列也能滤除:

?
1
se1[se1.notnull()]

代码结果:

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。

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

代码结果:

 

  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:

?
1
df1.dropna()

代码结果:

  0 1 2
0 1.0 2.0 3.0

 

传入**how=‘all'**滤除全为NaN的行:

?
1
df1.dropna(how='all')

代码结果:

 

  0 1 2
0 1.0 2.0 3.0
1 NaN NaN 2.0
3 8.0 8.0 NaN

 

传入axis=1滤除列:

?
1
2
df1[3]=NaN
df1

代码结果:

 

  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

 

?
1
df1.dropna(axis=1,how="all")

代码结果:

 

传入thresh=n保留至少有n个非NaN数据的行:

?
1
2
3
df1.dropna(thresh=1)
 
df1.dropna(thresh=3)

代码结果:

 

  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

 

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://blog.csdn.net/weixin_38168620/article/details/79596798