Python pandas.DataFrame.dropna用法及代碼示例

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

刪除缺失值。

有關哪些值被視為缺失以及如何處理缺失數據的更多信息，請參閱用戶指南。

參數：

axis：{0 或 ‘index’，1 或 ‘columns’}，默認 0

確定是否刪除了包含缺失值的行或列。

0，或‘index’：刪除包含缺失值的行。
1，或‘columns’：刪除包含缺失值的列。

how：{‘any’, ‘all’}，默認 ‘any’

當我們至少有一個 NA 或全部 NA 時，確定是否從 DataFrame 中刪除行或列。

‘any’：如果存在任何 NA 值，則刪除該行或列。
‘all’：如果所有值都是 NA，則刪除該行或列。

thresh：整數，可選

需要許多非 NA 值。

subset：列標簽或標簽序列，可選

沿其他軸考慮的標簽，例如如果您要刪除行，這些將是要包含的列列表。

inplace：布爾值，默認為 False

如果為 True，則在原地執行操作並返回 None。

DataFrame 或無

帶有 NA 條目的 DataFrame 從其中刪除或 None 如果 inplace=True 。

例子：

>>> df = pd.DataFrame({"name":['Alfred', 'Batman', 'Catwoman'],
...                    "toy":[np.nan, 'Batmobile', 'Bullwhip'],
...                    "born":[pd.NaT, pd.Timestamp("1940-04-25"),
...                             pd.NaT]})
>>> df
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

刪除至少缺少一個元素的行。

>>> df.dropna()
     name        toy       born
1  Batman  Batmobile 1940-04-25

刪除至少缺少一個元素的列。

>>> df.dropna(axis='columns')
       name
0    Alfred
1    Batman
2  Catwoman

刪除缺少所有元素的行。

>>> df.dropna(how='all')
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

隻保留至少有 2 個非 NA 值的行。

>>> df.dropna(thresh=2)
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

定義在哪些列中查找缺失值。

>>> df.dropna(subset=['name', 'toy'])
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

將具有有效條目的 DataFrame 保留在同一變量中。

>>> df.dropna(inplace=True)
>>> df
     name        toy       born
1  Batman  Batmobile 1940-04-25

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.DataFrame.dropna。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：