本文主要介绍熊猫||过滤缺失数据||pd.dropna()函数的用法，有很好的参考价值。希望对你有帮助。来和边肖一起看看吧。
看代码~
DataFrame.dropna(axis=0，how='any '，thresh=None，subset=None，inplace=False)
删除缺少的值。
Pd.dropna()函数(官方文档)用于过滤数据中的缺失数据。
缺失数据在pandas中用NaN标记.
进口熊猫作为pd
将numpy作为np导入
df=PD . data frame(NP . random . randn(5，3)，index=list ('abcde ')，columns=['one '，' two '，' three']) #随机生成5行3列数据
Df.ix[1，-1]=np.nan #将指定数据定义为缺失
df.ix[1:-1，2]=np.nan
打印(df)
Df.dropna() #删除所有缺少数据的行
因素
详细注释
轴
0表示行，1表示列。
怎么
{'any '，' all'}，默认' any '是指所有缺少值的行。“All”表示清除所有缺少值的行。
打谷
Int，保留具有int非空值的行。
子集
删除特定列中缺少的值。
原地
这是很常见的。真意味着改变到位。
补充：Python-pandas的dropna()方法-丢弃含空值的行、列
0.摘要
drop()方法可以找到DataFrame类型的数据的空值(缺失值)，删除空值所在的行/列，返回新的DataFrame作为返回值。
1.函数详解
函数形式：dropna (axis=0，how=' any '，thresh=none，subset=none，inplace=false)
参数：
axis:轴。或者0‘index’，表示按行删除；或1“列”，这意味着按列删除。
how:筛选方法。“any”，这意味着只要行/列有多个空值，就将被删除；“All”表示所有行/列都为空，删除这些行/列。
thresh:非空元素的最小数量。Int类型，默认为None。如果该行/列中非空元素的数量小于该值，则删除该行/列。
subset:子集。其元素是行或列的索引的列表。如果axis=0或' index '，则subset中的元素是该列的索引；如果axis=1或“column”，则子集中的元素是行的索引。子集限定的子区域是判断是否删除行/列的条件判断区域。
inplace:是否替换到位。布尔值，默认为False。如果为True，则对原始数据帧执行操作，返回值为None。
2.示例
创建DataFrame数据：
将numpy作为np导入
进口熊猫作为pd
a=np.ones((11，10))
对于范围内的I(len(a)):
我，我=nan
d=pd。数据帧(数据=a)
打印(d)
按行删除：存在空值，即删除该行
#逐行删除：如果有空值，则删除该行。
print(d.dropna(axis=0，how='any '))
按行删除：所有数据都为空值，即删除该行
#逐行删除：所有数据为空，即删除该行。
print(d.dropna(axis=0，how='all '))
按列删除：该列非空元素小于5个的，即删除该列
# Delete by column:如果该列的非空元素少于5个，则该列将被删除。
print(d.dropna(axis='columns '，thresh=5))
设置子集：删除第0、5、6、7列都为空的行
# Set subset:删除第0、5、6和7列为空的行。
print(d.dropna(axis='index '，how='all '，subset=[0，5，6，7])
设置子集：删除第5、6、7行存在空值的列
# Set subset:删除第5、6和7行中具有空值的列。
print(d.dropna(axis=1，how='any '，subset=[5，6，7]))
原地修改
#就地修改
print(d.dropna(axis=0，how='any '，inplace=True))
打印('==========================')
打印(d)
以上个人经历，希望能给大家一个参考，也希望大家多多支持我们。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。