Funzione Pandas DataFrame DataFrame.dropna()
-
Sintassi di
pandas.DataFrame.dropna() -
Codici di esempio:
DataFrame.dropna()per eliminare la riga -
Codici di esempio:
DataFrame.dropna()per rilasciare la colonna -
Codici di esempio:
DataFrame.dropna()conhow=all -
Codici di esempio:
DataFrame.dropna()con un sottoinsieme o una soglia specificati -
Codici di esempio:
DataFrame.dropna()coninplace=True
La funzione pandas.DataFrame.dropna() rimuove i valori nulli (valori mancanti) dal DataFrame rilasciando le righe o le colonne contenenti i valori nulli.
NaN (not a number) e NaT (Not a Time) rappresentano i valori nulli. DataFrame.dropna() rileva questi valori e filtra di conseguenza il DataFrame.
Sintassi di pandas.DataFrame.dropna()
DataFrame.dropna(axis, how, thresh, subset, inplace)
Parametri
axis |
Determina che l’asse sia riga o colonna. Se è 0 o 'index', elimina le righe contenenti valori mancanti. Se è 1 o 'columns', elimina le colonne contenenti i valori mancanti. Per impostazione predefinita, il suo valore è 0. |
how |
Questo parametro determina il modo in cui la funzione rilascia righe o colonne. Accetta solo due strings, any o all. Per impostazione predefinita, è impostato su any. any elimina la riga o la colonna se contiene un valore nullo. all elimina la riga o la colonna se mancano tutti i valori. |
thresh |
È un numero intero che specifica il numero minimo di valori non mancanti che impediscono l’eliminazione di righe o colonne. |
subset |
È un array che ha i nomi di righe o colonne per specificare la procedura di rilascio. |
inplace |
È un valore booleano che cambia il chiamante DataFrame se impostato su True. Per impostazione predefinita, il suo valore è False. |
Ritorno
Restituisce un DataFrame filtrato con righe o colonne rilasciate in base ai parametri passati.
Codici di esempio: DataFrame.dropna() per eliminare la riga
Per impostazione predefinita, l’asse è 0 cioè righe, quindi tutti gli output hanno righe eliminate.
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
print(dataframe)
L’esempio DataFrame è il seguente.
Attendance Name Obtained Marks
0 60.0 Olivia NaN
1 NaN John 75.0
2 80.0 Laura 82.0
3 NaN Ben 64.0
4 95.0 Kevin NaN
Tutti i parametri di questa funzione sono opzionali. Se non passiamo alcun parametro, la funzione elimina tutte le righe contenenti un singolo valore nullo.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna()
print(dataframe1)
Produzione:
Attendance Name Obtained Marks
2 80.0 Laura 82.0
Ha eliminato tutte le righe che contenevano un singolo valore mancante.
Codici di esempio: DataFrame.dropna() per rilasciare la colonna
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna(axis=1)
print(dataframe1)
Produzione:
Name
0 Olivia
1 John
2 Laura
3 Ben
4 Kevin
Ha eliminato tutte le colonne che contenevano un singolo valore mancante perché abbiamo impostato axis=1 nel metodo DataFrame.dropna().
Codici di esempio: DataFrame.dropna() con how=all
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna(axis=1, how="all")
print(dataframe1)
Produzione:
Attendance Name Obtained Marks
0 60.0 Olivia NaN
1 NaN John 75.0
2 80.0 Laura 82.0
3 NaN Ben 64.0
4 95.0 Kevin NaN
Le righe contenenti i valori mancanti non vengono eliminate perché il parametro how ha un valore impostato su all, il che significa che tutti i valori della riga devono essere nulli.
Se tutti i valori mancano nell’asse specificato, il metodo DataFrame.dropna() elimina quell’asse anche quando il how è impostato su all.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: None, 2: None, 3: None, 4: None},
}
)
print(dataframe)
print("--------")
dataframe1 = dataframe.dropna(axis=1, how="all")
print(dataframe1)
Produzione:
Attendance Name Obtained Marks
0 60.0 Olivia None
1 NaN John None
2 80.0 Laura None
3 NaN Ben None
4 95.0 Kevin None
--------
Attendance Name
0 60.0 Olivia
1 NaN John
2 80.0 Laura
3 NaN Ben
4 95.0 Kevin
Codici di esempio: DataFrame.dropna() con un sottoinsieme o una soglia specificati
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna(thresh=3)
print(dataframe1)
Produzione:
Attendance Name Obtained Marks
2 80.0 Laura 82.0
Il valore di thresh è 3, il che significa che per evitare cadute, sono richiesti almeno 3 valori non vuoti.
Potremmo anche specificare il subset.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna(subset=["Attendance", "Name"])
print(dataframe1)
Produzione:
Attendance Name Obtained Marks
0 60.0 Olivia NaN
2 80.0 Laura 82.0
4 95.0 Kevin NaN
Elimina le righe con valori mancanti sulla base delle colonne Attendance e Name. Non rilascia righe se solo i valori in altre colonne, qui Obtained Marks, hanno valori mancanti.
Codici di esempio: DataFrame.dropna() con inplace=True
DataFrame.dropna() cambia il chiamante DataFrame sul posto se inplace è impostato su True.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None},
}
)
dataframe1 = dataframe.dropna(inplace=True)
print(dataframe1)
Produzione:
None
Il parametro ha modificato il chiamante DataFrame sul posto e ha restituito None.