pandas.DataFrame.dropna 使用删除缺省值NaN

pandas.DataFrame.dropna

• DataFrame.dropna(self, axis=0, how=‘any’, thresh=None, subset=None, inplace=False)
  删除缺失值

参数：

• axis：{0或者‘index’， 1或者‘columns’}, 默认0
  确定是否删除包含缺失值的行或列。

  • 0或’index’：删除包含缺失值的行。
  • 1或“列”：删除包含缺失值的列。

• how： {‘any’，‘all’}，默认为’any’
  当我们有至少一个NA或全部为 NA时，确定是否从DataFrame中删除行或列。

  • ‘any’：如果存在任何NA值，则删除该行或列。
  • ‘all’：如果所有值均为NA，则删除该行或列。

• thresh：int，可选
  需要许多非NA值

• subset：array-like, 可选
  要考虑的其他轴上的标签，例如，如果要删除行，这些标签将是要包括的列的列表。

• inplace：bool, 默认为False
  如果为True，则执行就地操作并返回None。

• Returns：DataFrame
  删除了NA条目的DataFrame

距离

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

• 将行缺失至少一个元素。

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

• 将列放在缺少至少一个元素的位置。

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

• 删除所有元素均缺失的行。

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

• 仅保留至少具有2个非NA值的行。

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

• 定义在哪些列中查找缺失值。

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

• 将具有有效条目的DataFrame保留在同一变量中。

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