pandas删除某列有空值的行_pandas中处理缺失值：dropna

分析数据免不了遇到很多空值的情况，如果想去除这些空值，pandas设置了专门的函数：dropna()，下面将对dropna()进行详细的介绍

---

dropna()

需要重点掌握的知识点：

• 第一点需要确定的参数就是axis,0：行，1：列
• 当inplace=True时，how建议设置为"all"
• 建议采用默认返回新对象的方法，不要对原始数据进行修改
• subset建议每次都用上，更有针对性
• thresh为非空的值得数量，小于该数量将会被删除

首先需要判断是否含有空值：

• isna()

df.isna()

结果

• isnull()

df.isnull()

结果

判断是否全部为空：

• isna().any()or isnull.any()，两个函数是一样的

df.isnull().any()

结果：

判断某一列是否为空：

df['toy'].isnull()

df['toy'].isnull().any()

---

下面正式学习：dropna()

DataFrame.dropna(self, axis=0, how='any', thresh=None, subset=None, inplace=False)[source]

axis ：为轴方向 ： 默认为axis=0

当axis=0，当某行出现缺失值时，将该行丢弃并返回

当axis=1，当某列出现缺失值时，将改列丢弃并返回

how ：确定缺失值的个数：缺省时为how=‘any’

how=‘any’ ，表明只要某行或者列出现缺失值就将该行列丢弃

how=‘all’ ，表明某行列全部为缺失值才将其丢弃

thresh：阈值设定

当行列中非缺省值的数量少于给定的值就将该行丢弃

subset：部分标签中删除某行列

subset = [ 'a','d'] 即丢弃子列 a d 中含有缺失值的行

iniplace： bool取值，默认False

当inplace= True， 即对原数据操作，没有返回值

---

实例学习：

pd.dropna():

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],

"toy": [np.nan, 'Batmobile', 'Bullwhip'],

"born": [pd.NaT, pd.Timestamp("1940-04-25"),

pd.NaT]})

rs=df.dropna()

print(df)

print("="*40)

print(rs)

默认设置情况下：

结果：

axis:

默认为0，删除含有缺失值的行，axis=1删除含有缺失值的列

rs=df.dropna(axis=1)

结果：

how:默认为‘any’

how=‘any’ ，表明只要某行或者列出现缺失值就将该行列丢弃

how=‘all’ ，表明某行列全部为缺失值才将其丢弃

重新构建数据，增加一列和一行空值：

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],

"toy": [np.nan, 'Batmobile', 'Bullwhip'],

"born": [pd.NaT, pd.Timestamp("1940-04-25"),

pd.NaT]})

df["p"]=np.nan

df.loc["4"]= np.nan

how="all":

axis=1:

rs=df.dropna(axis=1,how="all")

结果：

axis=0：

rs=df.dropna(axis=0,how="all")

结果

thresh:

行或列至少保留的非空值的数量，关键是非空的数量

传入一个整数值，当行或列低于该值时删除，大于等于时不删除

当没行至少有一个不是空值时保留，全部为空时删除

rs=df.dropna(axis=0,thresh=1)

结果

当每行至少有2个不是空值时保留，全部为空时删除

rs=df.dropna(axis=0,thresh=2)

结果

subset:注意，只能删除行，需要给定列标签，不能删除列

subset = [ 'a','d'] 即丢弃子列 a d 中含有缺失值的行

删除toy中含有空值的行，

rs=df.dropna(axis=0,subset=["toy"])

结果

iniplace：

默认返回新的对象，如果需要对原始数据进行修改，可以设置为:True

print(df)

print("="*40)

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],

"toy": [np.nan, 'Batmobile', 'Bullwhip'],

"born": [pd.NaT, pd.Timestamp("1940-04-25"),

pd.NaT]})

df["p"]=np.nan

df.loc["4"]= np.nan

# rs=df.dropna(axis=0,subset=["toy"])

df.dropna(axis=0,subset=["toy"],inplace=True)

print(df)

结果

---

推荐学习链接：https://blog.youkuaiyun.com/ping0912/article/details/86296365

英文版解释：

DataFrame.dropna(self, axis=0, how='any', thresh=None, subset=None, inplace=False)[source]

Remove missing values.

See the User Guide for more on which values are considered missing, and how to work with missing data.

Parameters:axis : {0 or ‘index’, 1 or ‘columns’}, default 0

Determine if rows or columns which contain missing values are removed.

• 0, or ‘index’ : Drop rows which contain missing values.
• 1, or ‘columns’ : Drop columns which contain missing value.

Deprecated since version 0.23.0: Pass tuple or list to drop on multiple axes. Only a single axis is allowed.

how : {‘any’, ‘all’}, default ‘any’

Determine if row or column is removed from DataFrame, when we have at least one NA or all NA.

• ‘any’ : If any NA values are present, drop that row or column.
• ‘all’ : If all values are NA, drop that row or column.

thresh : int, optional

Require that many non-NA values.

subset : array-like, optional

Labels along other axis to consider, e.g. if you are dropping rows these would be a list of columns to include.

inplace : bool, default False

If True, do operation inplace and return None.