pandas如何删掉dataframe内的nan空值行|极客教程

pandas如何删掉dataframe内的nan空值行

在数据分析和处理中，经常会遇到数据表中包含空值（NaN）的情况，如果不处理这些空值，会影响到数据分析的准确性和结果。在 pandas 中，可以使用 dropna() 方法来删除包含空值的行。

下面将详细介绍如何使用 pandas 删除 dataframe 内的 NaN 空值行。

创建包含空值的 dataframe

首先，让我们创建一个包含空值的 dataframe，以便后续演示如何删除这些空值行。我们使用 pandas 的 DataFrame() 方法来创建一个包含 NaN 空值的数据表。

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 5, 6, np.nan],
    'C': [7, np.nan, 9, 10]
}

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

运行以上代码，我们可以得到以下包含空值的 dataframe：

     A    B     C
0  1.0  NaN   7.0
1  2.0  5.0   NaN
2  NaN  6.0   9.0
3  4.0  NaN  10.0

删除包含空值的行

接下来，我们使用 dropna() 方法删除包含空值的行。默认情况下，dropna() 方法会删除所有包含空值的行（即任何字段包含 NaN 的行）。

df.dropna(inplace=True)
print(df)

运行以上代码，我们可以看到删除包含空值的行后的 dataframe：

     A    B     C

可以看到，原先包含空值的行已经被删除了。

指定删除空值的条件

除了默认删除所有包含空值的行外，我们还可以根据需求指定删除空值的条件。dropna() 方法提供了一些参数来帮助我们做出这样的设定。

首先，我们可以使用 how 参数来指定删除的条件，可选的值有 ‘any’ 和 ‘all’。’any’ 表示只要有一个字段包含空值就删除该行，’all’ 表示所有字段都包含空值才删除。

df.dropna(how='any', inplace=True)
print(df)

运行上述代码，我们可以得到与默认情况下相同的结果。因为默认情况下 how 参数即为 ‘any’。

接着，我们通过设置 thresh 参数来指定行内非空值的最少数量。只有行内非空值数量少于该阈值时，才会被删除。

df = pd.DataFrame(data)
df.dropna(thresh=2, inplace=True)
print(df)

上述代码中，我们设定 thresh=2，即只有至少有2个非空值的行才会被保留。运行后，结果如下：

     A    B     C
0  1.0  NaN   7.0
1  2.0  5.0   NaN
2  NaN  6.0   9.0
3  4.0  NaN  10.0

可以看到，在该示例中，没有行符合 thresh=2 的条件，因此没有行被删除。

最后，我们可以通过 subset 参数来指定在哪些列中查找空值并删除相应的行。

df.dropna(subset=['A', 'B'], inplace=True)
print(df)

在上述代码中，我们指定只在 ‘A’ 列和 ‘B’ 列中查找空值并删除相应的行。运行后，结果如下：

     A    B    C
1  2.0  5.0  NaN

可以看到，只有包含 ‘A’ 列或 ‘B’ 列中有空值的行被删除了。

总结

本文详细介绍了如何使用 pandas 删除 dataframe 内的 NaN 空值行。通过 dropna() 方法，我们可以方便地删除包含空值的行，并且可以根据需要指定删除的条件，使数据处理更加灵活和准确。

pandas如何删掉dataframe内的nan空值行