Python Pandas DataFrame.dropna()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

有時，csv文件具有空值，該空值隨後在 DataFrame 中顯示為NaN。 Pandas dropna()方法允許用戶以不同的方式分析和刪除具有Null值的行/列。

用法:

DataFrameName.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

參數：

• axis:axis接受行/列的int或字符串值。對於整數，輸入可以為0或1；對於字符串，輸入可以為“索引”或“列”。
  how:如何僅采用兩種字符串值(“任意”或“全部”)。如果ANY值為Null，則“ any”刪除行/列，而僅當ALL值為null時，“ all”刪除行/列。
  thresh:thresh取整數值，該值告訴您要減少的na值的最小值。
  subset:它是一個數組，將刪除過程限製為通過列表傳遞行/列。
  inplace:如果為True，則它是一個布爾值，它會在數據幀本身中進行更改。

有關在“代碼中使用”的CSV文件的鏈接，請單擊此處。

範例1：刪除具有至少1個空值的行。

讀取數據幀，並刪除所有具有任何Null值的行。比較新舊數據幀的大小，以查看有多少行的值至少為1 Null。

# importing pandas module 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("nba.csv") 
  
# making new data frame with dropped NA values 
new_data = data.dropna(axis = 0, how ='any') 
  
# comparing sizes of data frames 
print("Old data frame length:", len(data), "\nNew data frame length:",  
       len(new_data), "\nNumber of rows with at least 1 NA value:", 
       (len(data)-len(new_data)))

輸出：

Old data frame length: 458 
New data frame length: 364 
Number of rows with at least 1 NA value: 94

由於差異為94，因此有94行在任何列中至少具有1 Null值。

範例2：更改軸以及使用參數和方式

製作兩個數據幀。具有所有值= none的列將添加到新的 DataFrame 中。驗證列名以查看是否正確插入了Null列。然後在刪除NaN值之前和之後比較“​​列數”。

# importing pandas module 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("nba.csv") 
  
# making a copy of old data frame 
new = pd.read_csv("nba.csv") 
  
# creating a value with all null values in new data frame 
new["Null Column"]= None
  
# checking if column is inserted properly  
print(data.columns.values, "\n", new.columns.values) 
  
# comparing values before dropping null column 
print("\nColumn number before dropping Null column\n", 
       len(data.dtypes), len(new.dtypes)) 
  
# dropping column with all null values 
new.dropna(axis = 1, how ='all', inplace = True) 
  
# comparing values after dropping null column 
print("\nColumn number after dropping Null column\n", 
      len(data.dtypes), len(new.dtypes))

輸出：

['Name' 'Team' 'Number' 'Position' 'Age' 'Height' 'Weight' 'College'
 'Salary'] 
 ['Name' 'Team' 'Number' 'Position' 'Age' 'Height' 'Weight' 'College'
 'Salary' 'Null Column']

Column number before dropping Null column
 9 10

Column number after dropping Null column
 9 9