Pandas 空值 NAN 过滤筛选

本文介绍了如何使用Pandas的dropna()和notnull()函数在数据集中处理空值,包括默认行为、按行或列筛选以及针对特定列的非空值筛选。通过实例展示了不同参数设置下的操作效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Pandas数据处理时,经常需要对空值进行筛选或者过滤,这可以通过DataFrame.dropna()或者DataFrame.notnull()来实现。

1、函数介绍:

data.dropna(
    *,
    axis: 'Axis' = 0,
    how: 'AnyAll | lib.NoDefault' = <no_default>,
    thresh: 'int | lib.NoDefault' = <no_default>,
    subset: 'IndexLabel | None' = None,
    inplace: 'bool' = False,
    ignore_index: 'bool' = False,
) -> 'DataFrame | None'

axis取值0(默认)或者1, how取值any(默认)或者all,后面将参照到函数原型说明 。

2、创建示例数据

首先,我们创建一个示例数据集。使用Pandas创建一个包含空值的数据集如下所示:

import pandas as pd
import numpy as np
technologies= {
    'Courses':["ChatGPT","AI","JAVA","Python","SQL",np.nan],
    'Fee' :[50000,35000,np
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值