删除已经填充为‘‘的dataframe的整列

#因为某步需要,先把所有值填充为''
df1 = df1.fillna(value="")


# 每个单元格,如果有值,则保留,没有值就返回nan
df1 = df1.loc[:, df1 .apply(lambda col: col.astype(str).str.len() >= 1).any()]


#把整列都没有值的数据删了
df1 = df1 .dropna(axis=1, how='all')

检查是否存在列名为 "Unnamed: 0" 的列,如果存在则删除 

if 'Unnamed: 0' in final_data.columns:  
    final_data = final_data.drop(columns=['Unnamed: 0']) 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
可以使用apply函数或map函数来对DataFrame整列数据进行格式转换。例如,引用中的代码展示了如何使用apply函数将整列数据添加千分位分隔符。首先,导入pandas库和numpy库,创建一个DataFrame对象。然后,使用apply函数和lambda函数将num列中的数据转换为带有千分位分隔符的格式。最后,打印出转换后的DataFrame。 引用中的代码展示了如何使用apply函数或map函数将整列数据格式转换为百分比形式。首先,导入pandas库和numpy库,创建一个DataFrame对象。然后,使用apply函数和lambda函数将A1列中的数据转换为百分比形式,并指定保留的小数位数。同样地,也可以使用map函数实现相同的功能。最后,打印出转换后的DataFrame。 引用中的代码展示了如何使用round函数来保留DataFrame中的小数点后指定位数的小数。首先,导入pandas库和numpy库,创建一个DataFrame对象。然后,使用round函数指定保留的小数位数。最后,打印出保留指定小数位数后的DataFrame。 综上所述,可以根据具体需求使用apply函数、map函数或round函数来对DataFrame整列数据进行格式转换。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [python DataFrame数据格式化(设置小数位数,百分比,千分位分隔符)](https://blog.csdn.net/weixin_48964486/article/details/123329042)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值