Python Pandas DataFrame dropna方法用法及代碼示例

例子

考慮以下 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

刪除缺失值的行

要刪除缺少值的行：

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



   A    B  C
1  2.0  4  6

請注意第一行(即 index=0 )如何被刪除，因為它包含缺失值。

刪除缺失值的列

要刪除缺少值的列：

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



   B  C
0  3  5
1  4  6

請注意A 列由於包含缺失值而被刪除。

刪除包含所有缺失值的列

考慮以下 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

要刪除值全部為缺失值的列，請設置 how="all" ：

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



   A    B
0  NaN  3
1  2.0  4

請注意如何僅刪除 C 列，因為它僅包含缺失值。

設置閾值

考慮以下 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

要刪除至少包含 2 個非 NaN 值的列，請設置 thresh=2 ：

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



   B
0  3.0
1  4.0
2  NaN

請注意，隻有一個非缺失值的列 A 被刪除，而具有 2 個非缺失值的列 B 被保留。

僅刪除某些列缺失值的行

考慮以下 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

要刪除缺少與 A 列對應的值的行：

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



   A    B  C
1  2.0  4  NaN

請注意，盡管兩行都包含缺失值，但僅刪除了第一行 (index=0)。這是因為，通過指定 subset=["A"] ，該方法僅檢查 A 列中的缺失值。

僅刪除某些行的缺失值的列

考慮以下 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

要刪除缺少與行索引 1 對應的值的列：

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



   A    B
0  NaN  3
1  2.0  4

請注意，盡管 A 列也包含缺失值，但僅刪除了 C 列。這是因為通過指定 subset=[1] ，該方法將僅檢查行 index=1(即第二行)處的缺失值。由於與 index=1 行中的列 C 對應的值是缺失值，因此該方法刪除了列 C 。

就地刪除行/列

要就地刪除行或列，我們需要設置 inplace=True 。這將直接修改源DataFrame，而不是創建並返回新的 DataFrame。

作為示例，請考慮以下 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

我們使用 inplace=True 刪除包含缺失值的所有行：

df.dropna(inplace=True)
df



   A    B  C
1  2.0  4  6

如輸出所示，源 DataFrame 已被修改。