pandas过滤空值

pandas过滤空值

在数据分析和处理过程中，经常会遇到数据集中存在空值的情况。空值可能对数据分析造成影响，因此需要对空值进行过滤处理。在Python中，pandas是一个非常常用的数据分析库，提供了丰富的功能来处理数据，包括过滤空值的操作。

什么是空值

在数据集中，空值通常用NaN（Not a Number）或None表示。空值可能是数据采集过程中的缺失，也可能是数据处理过程中产生的结果。空值会影响数据的统计分析和可视化展示，因此需要对空值进行处理。

pandas过滤空值

在pandas中，可以使用.dropna()方法来过滤空值。该方法默认会删除包含空值的行，也可以指定删除包含空值的列。下面将介绍如何使用pandas过滤空值。

首先，我们需要导入pandas库，并创建一个包含空值的数据集。

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [np.nan, 10, 11, 12]
}

df = pd.DataFrame(data)
df

运行以上代码后，我们得到如下数据集：

     A    B     C
0  1.0  5.0   NaN
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0  12.0

接下来，我们使用.dropna()方法过滤空值，删除包含空值的行。

df.dropna()

运行以上代码后，我们得到如下结果：

     A    B     C
3  4.0  8.0  12.0

可以看到，包含空值的行已经被删除。