Pandas基础之删除缺失值

很菜的小王童鞋

于 2024-03-26 11:59:05 发布

阅读量516

点赞数 3

文章标签： pandas 数据分析 python

本文链接：https://blog.csdn.net/m0_55703957/article/details/137042053

版权

本文详细解释了Pandas库中的dropna函数在处理DataFrame时，如何根据axis（行或列）、how（任何缺失或所有缺失）以及thresh参数来删除包含缺失值的数据。通过示例展示了不同条件下的数据过滤效果。

摘要由CSDN通过智能技术生成

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

参数说明：

axis:

axis=0: 删除包含缺失值的行

axis=1: 删除包含缺失值的列

how: 与axis配合使用

how=‘any’ :只要有缺失值出现，就删除该行或列

how=‘all’: 所有的值都缺失，才删除行或列

thresh： axis中至少有thresh个非缺失值，否则删除

数据:

序号	姓名	语文	数学	英语
1	李晓华	87		98
2	于建委		86	99
3	张扬	73	77	98
4	赵琳		65	87
5	何宇	89	88
6	王志宏		100	100

import pandas as pd
deal_data=pd.read_excel("D:/处理缺失值.xlsx")
print(deal_data)
print('-'*40)
print(deal_data.isnull())
print('-'*40)
print(deal_data.notnull())
#删除包含缺失值的行(只要有一个缺失就删除)
print('-'*40)
print(deal_data.dropna(axis=0,how="any",inplace=False))
#删除包含缺失值的行(所有都为空才删除)
print('-'*40)
print(deal_data.dropna(axis=0,how="all",inplace=False))
#删除包含缺失值的列(只要有一个就删除)
print('-'*40)
print(deal_data.dropna(axis=1,how="any",inplace=False))
#删除包含缺失值的列(所有都为空就删除)
print('-'*40)
print(deal_data.dropna(axis=1,how="all",inplace=False))
#thresh参数 满足有thresh个非空值才删除
print('-'*40)
print(deal_data.dropna(axis=0,thresh=5,inplace=False))

运行结果:

D:\Python\p\Scripts\python.exe "D:\Python\python-learning\数据分析(二)\处理缺失值二.py" 
   序号   姓名    语文     数学     英语
0   1  李晓华  87.0    NaN   98.0
1   2  于建委   NaN   86.0   99.0
2   3   张扬  73.0   77.0   98.0
3   4   赵琳   NaN   65.0   87.0
4   5   何宇  89.0   88.0    NaN
5   6  王志宏   NaN  100.0  100.0
----------------------------------------
      序号     姓名     语文     数学     英语
0  False  False  False   True  False
1  False  False   True  False  False
2  False  False  False  False  False
3  False  False   True  False  False
4  False  False  False  False   True
5  False  False   True  False  False
----------------------------------------
     序号    姓名     语文     数学     英语
0  True  True   True  False   True
1  True  True  False   True   True
2  True  True   True   True   True
3  True  True  False   True   True
4  True  True   True   True  False
5  True  True  False   True   True
----------------------------------------
   序号  姓名    语文    数学    英语
2   3  张扬  73.0  77.0  98.0
----------------------------------------
   序号   姓名    语文     数学     英语
0   1  李晓华  87.0    NaN   98.0
1   2  于建委   NaN   86.0   99.0
2   3   张扬  73.0   77.0   98.0
3   4   赵琳   NaN   65.0   87.0
4   5   何宇  89.0   88.0    NaN
5   6  王志宏   NaN  100.0  100.0
----------------------------------------
   序号   姓名
0   1  李晓华
1   2  于建委
2   3   张扬
3   4   赵琳
4   5   何宇
5   6  王志宏
----------------------------------------
   序号   姓名    语文     数学     英语
0   1  李晓华  87.0    NaN   98.0
1   2  于建委   NaN   86.0   99.0
2   3   张扬  73.0   77.0   98.0
3   4   赵琳   NaN   65.0   87.0
4   5   何宇  89.0   88.0    NaN
5   6  王志宏   NaN  100.0  100.0
----------------------------------------
   序号  姓名    语文    数学    英语
2   3  张扬  73.0  77.0  98.0

进程已结束，退出代码为 0