pandas找出NaN行|极客教程

pandas找出NaN行

在数据处理中，经常会遇到缺失值的情况，即用NaN（Not a Number）表示的缺失值。在使用pandas进行数据分析时，找出包含NaN值的行是非常常见的操作。本文将详细介绍如何使用pandas找出包含NaN值的行，并给出相关示例代码。

1. 创建包含NaN值的DataFrame

首先，让我们创建一个包含NaN值的DataFrame作为示例数据，方便后续进行演示。

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4],
        'B': [np.nan, 6, 7, 8],
        'C': [9, 10, 11, 12]}

df = pd.DataFrame(data)
print(df)

运行以上代码，我们得到的DataFrame df如下所示：

     A    B   C
0  1.0  NaN   9
1  2.0  6.0  10
2  NaN  7.0  11
3  4.0  8.0  12

2. 找出包含NaN值的行

接下来，我们将使用pandas的方法来找出包含NaN值的行。我们可以使用isnull()方法先判断哪些值是NaN，然后使用any(axis=1)来判断每行是否包含NaN值。

nan_rows = df[df.isnull().any(axis=1)]
print(nan_rows)

运行以上代码，我们得到的结果如下：

     A    B   C
0  1.0  NaN   9
2  NaN  7.0  11

可以看到，DataFrame中包含NaN值的行已经被成功找出并打印出来了。在实际数据处理中，这个操作非常有用，可以帮助我们快速定位数据集中的缺失值。

3. 删除包含NaN值的行

除了找出包含NaN值的行之外，有时候我们也需要删除这些包含NaN值的行。对于DataFrame df，我们可以使用dropna()方法来删除包含NaN值的行。

cleaned_df = df.dropna()
print(cleaned_df)

运行以上代码，我们得到的结果如下：

     A    B   C
1  2.0  6.0  10
3  4.0  8.0  12

通过以上操作，我们成功删除了包含NaN值的行，得到了一个不包含缺失值的DataFrame。

4. 替换NaN值

除了删除包含NaN值的行之外，我们还可以选择将NaN值替换为其他值。对于DataFrame df，我们可以使用fillna()方法来将NaN值替换为指定的值。

filled_df = df.fillna(0)  # 将NaN替换为0
print(filled_df)

运行以上代码，我们得到的结果如下：

     A    B   C
0  1.0  0.0   9
1  2.0  6.0  10
2  0.0  7.0  11
3  4.0  8.0  12

在实际数据处理中，根据具体需求，我们可以选择删除包含NaN值的行，也可以选择将NaN值替换为特定的值，以便后续进行分析和建模。

结语

通过本文的介绍，我们学习了如何使用pandas找出包含NaN值的行，并对这些NaN值进行处理。

pandas找出NaN行