如何在Python数据框架中显示不为零的行和列

在Python中，不为零的行和列是指有南值的行和列，特别是在Pandas库中。为了在Python数据框中显示非空行和列，我们将使用不同的方法，如dropna(), notnull(), loc[]。

dropna() :该函数用于移除有缺失值的行和列，即NaN值。dropna()函数有axis参数。如果它设置为0，那么它将删除所有有NaN值的行，如果它设置为1，那么它将删除所有有NaN值的列。默认情况下，axis参数的值为0。
notnull() :这个函数检测非遗漏值，并为DataFrame中的每个元素返回一个布尔值的掩码，表示一个元素是否不是NA值。
loc[] : 这个方法通过标签或布尔数组来过滤行和列。在我们的例子中，这个方法通过一个布尔数组来过滤行，该数组由notnull()方法返回。

步骤:

导入pandas库
读取CSV文件，或者你可以创建自己的数据框架。
使用其中一种方法，如dropna(), notnull(), loc[]，如下所述。
Display result

以下是StudentData.csv程序中使用的文件：

如何在Python数据框架中显示不为零的行和列？

方法1：使用dropna()方法

在这个方法中，我们使用dropna()方法，删除空行并显示修改后的数据框。

# Import library
import pandas as pd
  
# Reading csv file
df = pd.read_csv('StudentData.csv')
  
# using dropna() method
df = df.dropna()
  
# Printing result
print(df)

输出:

如何在Python数据框架中显示不为零的行和列？

方法2：使用notnull()和dropna()方法

在这个方法中，我们将首先使用notnull()方法，它将返回一个具有真和假值的布尔对象。如果有NaN值，它将返回false，否则返回true。然后将这些布尔对象作为输入参数给where函数，同时使用drpna()函数来删除NaN行。

# Import library
import pandas as pd
  
# Reading csv file
df = pd.read_csv('StudentData.csv')
  
# using notnull() method ,it will return 
# boolean values
mask = df.notnull()
  
# using dropna() method to drop NaN 
# value rows
df = df.where(mask).dropna()
  
# Displaying result
print(df)

输出:

如何在Python数据框架中显示不为零的行和列？

方法3：使用loc[]和notnull()方法

在这个方法中，我们使用了两个概念，一个是方法，另一个是属性。因此，首先，我们找到一个数据框架，每个特定的列都有不为零的实例，然后在整个数据上定位这些实例，得到数据框架。

# Import library
import pandas as pd
  
# Reading csv file
df = pd.read_csv('StudentData.csv')
  
# Here filtering the rows according to 
# Grade column which has notnull value.
df = df.loc[df['Grade'].notnull()]
  
# Displaying result
print(df)