pandas处理缺失值的函数_pandas填充缺失值

编程汇总 • 2025-01-25 20:33 • 阅读 44

df.dropna()函数用于删除dataframe数据中的缺失数据，即删除NaN数据.

官方函数说明：

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
Remove missing values.


See the User Guide for more on which values are considered missing, 
and how to work with missing data.



Returns
DataFrame
DataFrame with NA entries dropped from it.

参数说明：

Parameters	说明
axis	0为行 1为列，default 0，数据删除维度
how	{‘any’, ‘all’}, default ‘any’，any：删除带有nan的行；all：删除全为nan的行
thresh	int，保留至少 int 个非nan行
subset	list，在特定列缺失值处理
inplace	bool，是否修改源文件

测试：

>>>df = pd.DataFrame({ 

   "name": ['Alfred', 'Batman', 'Catwoman'],

                   "toy": [np.nan, 'Batmobile', 'Bullwhip'],

                   "born": [pd.NaT, pd.Timestamp("1940-04-25"),

                            pd.NaT]})

>>>df

       name        toy       born

0    Alfred        NaN        NaT

1    Batman  Batmobile 1940-04-25

2  Catwoman   Bullwhip        NaT

删除至少缺少一个元素的行：

>>>df.dropna()

     name        toy       born

1  Batman  Batmobile 1940-04-25

删除至少缺少一个元素的列：

>>>df.dropna(axis=1)

       name

0    Alfred

1    Batman

2  Catwoman

删除所有元素丢失的行：

>>>df.dropna(how='all')

       name        toy       born

0    Alfred        NaN        NaT

1    Batman  Batmobile 1940-04-25

2  Catwoman   Bullwhip        NaT

只保留至少2个非NA值的行：

>>>df.dropna(thresh=2)

       name        toy       born

1    Batman  Batmobile 1940-04-25

2  Catwoman   Bullwhip        NaT

从特定列中查找缺少的值：

>>>df.dropna(subset=['name', 'born'])

       name        toy       born

1    Batman  Batmobile 1940-04-25

修改原数据：

>>>df.dropna(inplace=True)

>>>df

     name        toy       born

1  Batman  Batmobile 1940-04-25

以上。

pandas处理缺失值的函数_pandas填充缺失值

相关推荐