看代码吧~
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) Remove missing values.
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.
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(5, 3), index = list('abcde'), columns = ['one', 'two', 'three']) # 随机产生5行3列的数据
df.ix[1, :-1] = np.nan # 将指定数据定义为缺失
df.ix[1:-1, 2] = np.nan
print(df)
df.dropna() #删除所有带缺失数据的行
| parameters | 详解 |
|---|---|
| axis | default 0指行,1为列 |
| how | {‘any', ‘all'}, default ‘any'指带缺失值的所有行;'all'指清除全是缺失值的行 |
| thresh | int,保留含有int个非空值的行 |
| subset | 对特定的列进行缺失值删除处理 |
| inplace | 这个很常见,True表示就地更改 |
补充：Python-pandas的dropna()方法-丢弃含空值的行、列
0.摘要
dropna()方法，能够找到DataFrame类型数据的空值（缺失值），将空值所在的行/列删除后，将新的DataFrame作为返回值返回。
1.函数详解
函数形式：dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
参数：
axis：轴。0或'index'，表示按行删除；1或'columns'，表示按列删除。
how：筛选方式。‘any'，表示该行/列只要有一个以上的空值，就删除该行/列；‘all'，表示该行/列全部都为空值，就删除该行/列。
thresh：非空元素最低数量。int型，默认为None。如果该行/列中，非空元素数量小于这个值，就删除该行/列。
subset：子集。列表，元素为行或者列的索引。如果axis=0或者‘index'，subset中元素为列的索引；如果axis=1或者‘column'，subset中元素为行的索引。由subset限制的子区域，是判断是否删除该行/列的条件判断区域。
inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。
2.示例
创建DataFrame数据：
import numpy as np
import pandas as pd
a = np.ones((11,10))
for i in range(len(a)):
a[i,:i] = np.nan
d = pd.DataFrame(data=a)
print(d)
按行删除：存在空值，即删除该行
# 按行删除：存在空值，即删除该行 print(d.dropna(axis=0, how='any'))
按行删除：所有数据都为空值，即删除该行
# 按行删除：所有数据都为空值，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
# 按列删除：该列非空元素小于5个的，即删除该列 print(d.dropna(axis='columns', thresh=5))
设置子集：删除第0、5、6、7列都为空的行
# 设置子集：删除第0、5、6、7列都为空的行 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
# 设置子集：删除第5、6、7行存在空值的列 print(d.dropna(axis=1, how='any', subset=[5,6,7]))
原地修改
# 原地修改
print(d.dropna(axis=0, how='any', inplace=True))
print("==============================")
print(d)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
