Python Pandas DataFrame dropna方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[pd.np.NaN,2],"B":[3,4],"C":[5,6]})
df



   A    B  C
0  NaN  3  5
1  2.0  4  6

删除缺失值的行

要删除缺少值的行：

df.dropna()   # or axis=0 or axis="index"



   A    B  C
1  2.0  4  6

请注意第一行(即 index=0 )如何被删除，因为它包含缺失值。

删除缺失值的列

要删除缺少值的列：

df.dropna(axis="columns")   # or axis=1



   B  C
0  3  5
1  4  6

请注意A 列由于包含缺失值而被删除。

删除包含所有缺失值的列

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[pd.np.NaN,2], "B":[3,4], "C":[pd.np.NaN,pd.np.NaN]})
df



   A    B  C
0  NaN  3  NaN
1  2.0  4  NaN

要删除值全部为缺失值的列，请设置 how="all" ：

df.dropna(how="all" axis="columns")



   A    B
0  NaN  3
1  2.0  4

请注意如何仅删除 C 列，因为它仅包含缺失值。

设置阈值

考虑以下 DataFrame ：

import numpy as np
df = pd.DataFrame({"A":["a",np.nan,np.nan],"B":[3,4,np.nan]})
df



   A    B
0  a    3.0
1  NaN  4.0
2  NaN  NaN

要删除至少包含 2 个非 NaN 值的列，请设置 thresh=2 ：

df.dropna(thresh=2, axis=1)



   B
0  3.0
1  4.0
2  NaN

请注意，只有一个非缺失值的列 A 被删除，而具有 2 个非缺失值的列 B 被保留。

仅删除某些列缺失值的行

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[pd.np.NaN,2], "B":[3,4], "C":[pd.np.NaN,pd.np.NaN]})
df



   A    B  C
0  NaN  3  NaN
1  2.0  4  NaN

要删除缺少与 A 列对应的值的行：

df.dropna(subset=["A"], axis="index")



   A    B  C
1  2.0  4  NaN

请注意，尽管两行都包含缺失值，但仅删除了第一行 (index=0)。这是因为，通过指定 subset=["A"] ，该方法仅检查 A 列中的缺失值。

仅删除某些行的缺失值的列

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[pd.np.NaN,2], "B":[3,4], "C":[5,6]})
df



   A    B  C
0  NaN  3  5
1  2.0  4  6

要删除缺少与行索引 1 对应的值的列：

df.dropna(subset=[1], axis=1)   # or axis="columns"



   A    B
0  NaN  3
1  2.0  4

请注意，尽管 A 列也包含缺失值，但仅删除了 C 列。这是因为通过指定 subset=[1] ，该方法将仅检查行 index=1(即第二行)处的缺失值。由于与 index=1 行中的列 C 对应的值是缺失值，因此该方法删除了列 C 。

就地删除行/列

要就地删除行或列，我们需要设置 inplace=True 。这将直接修改源DataFrame，而不是创建并返回新的 DataFrame。

作为示例，请考虑以下 DataFrame：

df = pd.DataFrame({"A":[pd.np.NaN,2], "B":[3,4], "C":[5,6]})
df



   A    B  C
0  NaN  3  5
1  2.0  4  6

我们使用 inplace=True 删除包含缺失值的所有行：

df.dropna(inplace=True)
df



   A    B  C
1  2.0  4  6

如输出所示，源 DataFrame 已被修改。