Pandas DataFrame DataFrame.dropna() 函数

  2. 函数参考
  3. Python Pandas 函数
  4. Pandas DataFrame DataFrame.dropna() 函数
Minahil Noor 2023年1月30日
Pandas Pandas DataFrame
  1. pandas.DataFrame.dropna() 语法
  2. 示例代码：DataFrame.dropna() 删除行
  3. 示例代码：DataFrame.dropna() 删除列
  4. 示例代码：DataFrame.dropna() 与 how=all
  5. 示例代码：DataFrame.dropna() 与指定的子集或阈值
  6. 示例代码：DataFrame.dropna() 与 inplace=True
Pandas DataFrame DataFrame.dropna() 函数

pandas.DataFrame.dropna() 函数通过丢弃包含空值的行或列，从 DataFrame 中删除空值（缺失值）。

NaN（Not a Number）和 NaT（Not a Time）代表空值。DataFrame.dropna() 检测这些值并相应地过滤 DataFrame。

pandas.DataFrame.dropna() 语法

DataFrame.dropna(axis, how, thresh, subset, inplace)

参数
axis 它决定轴是行还是列。
如果它是 0 或'index'，那么它将删除包含缺失值的行。
如果它是 1 或'column'，那么它将删除包含缺失值的列。默认情况下，它的值是 0
how 这个参数决定函数如何删除行或列。它只接受两个字符串，可以是 all 或 all。默认情况下，它被设置为 any。
any - 如果行或列中有任何空值，就会删除它。
all - 如果行或列中缺少所有值，则放弃该行或列
thresh 它是一个整数，指定了防止行或列丢失的非缺失值的最少数量
subset 它是一个数组，其中有行或列的名称，用于指定删除程序
inplace 它是一个布尔值，如果设置为 True，将就地改变调用者 DataFrame。默认情况下，它的值是 False

返回值

它根据传递的参数返回一个过滤后的 DataFrame，其中包含删除的行或列。

示例代码：DataFrame.dropna() 删除行

默认情况下，轴为 0，即行，所以所有的输出都有行掉。

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)

示例 DataFrame 如下。

   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

这个函数的所有参数都是可选的。如果我们不传递任何参数，那么函数将丢弃所有包含一个空值的行。

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)

输出：

   Attendance   Name  Obtained Marks
2        80.0  Laura            82.0

丢弃所有包含一个缺失值的行。

示例代码：DataFrame.dropna() 删除列

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)

输出：

     Name
0  Olivia
1    John
2   Laura
3     Ben
4   Kevin

因为我们在 DataFrame.dropna() 方法中设置了 axis=1，所以它删除了所有包含一个缺失值的列。

示例代码：DataFrame.dropna() 与 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)

输出：

   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

包含缺失值的行没有被删除，因为 how 参数的值被设置为 all，这意味着该行的所有值都应该是空的。

如果在指定的轴上缺少所有的值，那么 DataFrame.dropna() 方法会丢弃该轴，即使 how 被设置为 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)

输出：

   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

示例代码：DataFrame.dropna() 与指定的子集或阈值

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)

输出：

   Attendance   Name  Obtained Marks
2        80.0  Laura            82.0

thresh 的值是 3，这意味着为了防止掉落，至少需要 3 个非空值。

我们也可以指定 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)

输出：

   Attendance    Name  Obtained Marks
0        60.0  Olivia             NaN
2        80.0   Laura            82.0
4        95.0   Kevin             NaN

根据 Attendance 和 Name 列，删除缺失值的行。如果只有其他列中的值比如这里的 Obtained Marks 列有缺失值，它就不会删除记录。

示例代码：DataFrame.dropna() 与 inplace=True

DataFrame.dropna() 如果 inplace 被设置为 True，则调用者 DataFrame 就地改变。

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)

输出：

None

该参数对调用者 DataFrame 进行了原地修改，返回 None。

相关文章 - Pandas DataFrame