Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas TimedeltaIndex.dropna()
函数从给定的TimedeltaIndex对象中删除所有缺少的值。没有索引的函数返回索引NA/NaN
值。
用法: TimedeltaIndex.dropna(how=’any’)
参数:
how:如果索引是多索引,则在任何或所有级别为NaN时删除该值。
返回:有效:索引
范例1:采用TimedeltaIndex.dropna()
函数删除给定TimedeltaIndex对象中的所有缺失值。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['06:05:01.000030', None, '22 day 2 min 3us 10ns',
'+23:59:59.999999', None, '+12:19:59.999999'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.dropna()
函数删除tidx对象中所有缺少的值。
# drop all missing values
tidx.dropna()
输出:
正如我们在输出中看到的,TimedeltaIndex.dropna()
函数已返回一个新的对象,该对象的所有缺失值均已删除。
范例2:采用TimedeltaIndex.dropna()
函数删除给定TimedeltaIndex对象中的所有缺失值。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =[None, '1 days 06:05:01.000030', None,
'1 days 02:00:00', '21 days 06:15:01.000030'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.dropna()
函数删除tidx对象中所有缺少的值。
# drop all missing values
tidx.dropna()
输出:
正如我们在输出中看到的,TimedeltaIndex.dropna()
函数已返回一个新的对象,该对象的所有缺失值均已删除。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas TimedeltaIndex.dropna。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。