pandas筛选非空值

pandas筛选非空值

在数据分析和处理过程中，经常会遇到需要筛选数据中的非空值的情况。pandas是Python中一个强大的数据处理库，在处理数据时提供了许多方便的方法。本文将介绍如何使用pandas筛选数据中的非空值，帮助读者更好地处理数据。

1. 删除含有空值的行

首先，我们可以使用dropna()方法删除含有空值的行。假设我们有一个包含空值的DataFrame，如下所示：

import pandas as pd

data = {
    'A': [1, 2, None, 4],
    'B': ['geek-docs.com', 'hello', None, 'world']
}

df = pd.DataFrame(data)

我们可以使用dropna()方法删除含有空值的行，示例如下：

df_dropna = df.dropna()

print(df_dropna)

运行结果如下：

     A               B
0  1.0  geek-docs.com
1  2.0          hello
3  4.0          world

可以看到，删除空值后只剩下了含有非空值的行。

2. 筛选非空值

除了删除含有空值的行之外，我们还可以使用notna()方法筛选出非空值。示例如下：

df_notna = df[df['A'].notna()]

print(df_notna)

运行结果如下：

     A               B
0  1.0  geek-docs.com
1  2.0          hello
3  4.0          world

可以看到，我们成功筛选出了’A’列中的非空值所对应的行。

3. 替换空值

有时候，在处理数据中的空值时，我们也可以选择将空值替换为其他值。这时可以使用fillna()方法。示例如下：

df_fillna = df.fillna(0)

print(df_fillna)

运行结果如下：

     A               B
0  1.0  geek-docs.com
1  2.0          hello
2  0.0           None
3  4.0          world

可以看到，空值已经被成功替换为了0。

总之，pandas提供了多种方法来处理数据中的空值，包括删除含有空值的行、筛选非空值和替换空值。读者可以根据自己的需求选择合适的方法进行数据处理。