python pandas删除特定行列
lucky科技汪 人气:0dropna() 方法过滤任何含有缺失值的行
pandas.DataFrame
里,如果一行数据有任意值为空,则过滤掉整行,这时候使用dropna()
方法是合适的。下面的案例,任意列只要有一个为空数据,则整行都干掉。但是我们常常遇到的情况,是根据一个指标(一列)数据的情况,去过滤行数据,类似Excel里面的过滤漏斗,怎么办?
>>> import pandas as pd >>> data = pd.DataFrame([[1.,6.5,3.],[1.],[],[6.5,3.]],index=list('abcd'),columns=list('def')) >>> data d e f a 1.0 6.5 3.0 b 1.0 NaN NaN c NaN NaN NaN d 6.5 3.0 NaN >>> data.dropna() #任意列只要有一个为空数据,则整行都干掉 d e f a 1.0 6.5 3.0
方法一:dropna() 其他参数解析
原文链接,我们引入了dropna()
方法的其他参数。
DataFrame.dropna(axis=0, how='any', thresh=None, subset=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。比如 axis=0,thresh=10:标识如果该行中非缺失值的数量小于10,将删除改行
- subset: list,在哪些列中查看是否有缺失值
- inplace: 是否在原数据上操作。如果为真,返回None,否则返回新的copy,去掉了缺失值
>>> data.dropna(axis=0,subset=['e']) #axis=0,删除行,在subset的列中进行查看 d e f a 1.0 6.5 3.0 d 6.5 3.0 NaN
方法二:替换并删除,Python pandas 如果某列值为空,过滤删除所在行数据
如上面的data数据,如果希望“e”列数值为空NaN时,删除对应行也就是“b、c”行数据,保留其他行,用dropna()
似乎比较麻烦。 这个时候的思路是:
fillna()
给空值填充一个数值(如999999)index.tolist()
找出值为填充值所在行的索引drop
根据索引干掉对应的行
>>> data['e']=data['e'].fillna(999999) >>> find_index=data[(data.e==999999)].index.tolist() >>> find_index ['b', 'c'] >>> data.drop(find_index) d e f a 1.0 6.5 3.0 d 6.5 3.0 NaN
总结
加载全部内容