pandas.DataFrame删除某列空值所在的行

通过isnull我们发现某列有几个空值，要把该列空值所在行删除怎么操作？用dropna()会删除所有有空值的行，请看下面实例。

该函数主要用于滤除缺失数据。
如果是Series,则返回一个仅含非空数据和索引值的Series，默认丢弃含有缺失值的行。

xx.dropna()

对于DataFrame:

data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1)       # 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）
data.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行    
 

创建DataFrame样例数据
>>> import pandas as pd
>>> import numpy as np
>>> data = pd.DataFrame({'a': [1, 2, 4, np.nan,7, 9], 'b': ['a', 'b', np.nan, np.nan, 'd', 'e'], 'c': [np.nan, 0, 4, np.nan, np.nan, 5], 'd': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]})
>>> data
     a    b    c   d
0  1.0    a  NaN NaN
1  2.0    b  0.0 NaN
2  4.0  NaN  4.0 NaN
3  NaN  NaN  NaN NaN
4  7.0    d  NaN NaN
5  9.0    e  5.0 NaN

判断值value是否为NaN
>>> np.isnan(value)    # return Ture or False #
>>> value is np.nan    # return Ture or False #

删除NaN所在行
'''use dropna(axis=0,how='all')''' 
>>> data.dropna(axis=0,how='all')
     a    b    c   d
0  1.0    a  NaN NaN
1  2.0    b  0.0 NaN
2  4.0  NaN  4.0 NaN
4  7.0    d  NaN NaN
5  9.0    e  5.0 NaN

删除表中含有任何NaN的行
'''use dropna(axis=0,how='any')'''
>>> data.dropna(axis=0,how='any')
Empty DataFrame
Columns: [a, b, c, d]
Index: []

删除表中全部为NaN的列
'''use dropna(axis=1, how='all')'''
>>> data.dropna(axis=1, how='all')
     a    b    c
0  1.0    a  NaN
1  2.0    b  0.0
2  4.0  NaN  4.0
3  NaN  NaN  NaN
4  7.0    d  NaN
5  9.0    e  5.0

删除表中含有任何NaN的列
'''use dropna(axis=1, how='any')'''
>>> data.dropna(axis=1, how='any')
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3, 4, 5]
 

 

 

请看下面实例。