这篇教程Pandas||过滤缺失数据||pd.dropna()函数的用法说明写得很实用，希望能帮到您。
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 pdimport numpy as npdf = 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.nanprint(df)
| 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 npimport 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51zixue.net。
Python爬虫之m3u8文件里提取小视频的正确姿势
pandas 实现将NaN转换为None |
