Pandas之Dropna濾除缺失數(shù)據(jù)的實(shí)現(xiàn)方法
約定：
import pandas as pd import numpy as np from numpy import nan as NaN
濾除缺失數(shù)據(jù)
pandas的設(shè)計(jì)目標(biāo)之一就是使得處理缺失數(shù)據(jù)的任務(wù)更加輕松些。pandas使用NaN作為缺失數(shù)據(jù)的標(biāo)記。
使用dropna使得濾除缺失數(shù)據(jù)更加得心應(yīng)手。
一、處理Series對(duì)象
通過(guò)**dropna()**濾除缺失數(shù)據(jù)：
se1=pd.Series([4,NaN,8,NaN,5]) print(se1) se1.dropna()
代碼結(jié)果：
0 4.0
1 NaN
2 8.0
3 NaN
4 5.0
dtype: float640 4.0
2 8.0
4 5.0
dtype: float64
通過(guò)布爾序列也能濾除：
se1[se1.notnull()]
代碼結(jié)果：
0 4.0
2 8.0
4 5.0
dtype: float64
二、處理DataFrame對(duì)象
處理DataFrame對(duì)象比較復(fù)雜，因?yàn)槟憧赡苄枰獊G棄所有的NaN或部分NaN。
df1=pd.DataFrame([[1,2,3],[NaN,NaN,2],[NaN,NaN,NaN],[8,8,NaN]]) df1
代碼結(jié)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 |
默認(rèn)濾除所有包含NaN：
df1.dropna()
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
傳入**how=‘a(chǎn)ll'**濾除全為NaN的行：
df1.dropna(how='all')
代碼結(jié)果：
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1.0 | 2.0 | 3.0 |
| 1 | NaN | NaN | 2.0 |
| 3 | 8.0 | 8.0 | NaN |
傳入axis=1濾除列：
df1[3]=NaN df1
代碼結(jié)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 |
df1.dropna(axis=1,how="all")
代碼結(jié)果：
傳入thresh=n保留至少有n個(gè)非NaN數(shù)據(jù)的行：
df1.dropna(thresh=1) df1.dropna(thresh=3)
代碼結(jié)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?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
解決jupyter (python3) 讀取文件遇到的問(wèn)題
這篇文章主要介紹了解決jupyter (python3) 讀取文件遇到的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
大家好，本篇文章主要講的是python繪制堆疊條形圖介紹，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下，方便下次瀏覽2021-12-12
這篇文章主要介紹了解決Jupyter 文件路徑的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
Python實(shí)現(xiàn)打印http請(qǐng)求信息
這篇文章主要介紹了Python實(shí)現(xiàn)打印http請(qǐng)求信息方式,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2024-06-06
Django rest framework jwt的使用方法詳解
這篇文章主要介紹了Django rest framework jwt的使用方法詳解,文中通過(guò)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2019-08-08
這篇文章主要給大家介紹了利用numpy+matplotlib繪圖的基本操作，文中介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)matplotlib繪圖具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧。2017-05-05
在本篇文章里小編給大家分享的是一篇關(guān)于python幫助函數(shù)詳解內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2020-06-06
Python 通過(guò)截圖匹配原圖中的位置(opencv)實(shí)例
今天小編就為大家分享一篇Python 通過(guò)截圖匹配原圖中的位置(opencv)實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08
這篇文章主要介紹了Django ModelForm組件原理及用法詳解,文中通過(guò)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2020-10-10
這篇文章主要介紹了Python heapq庫(kù)案例詳解,本篇文章通過(guò)簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-09-09