Pandas学习笔记 - dropna()过滤缺失数据
2018-12-18 10:10
225 查看
对于Series对象:
import pandas as pd import numpy as np d = pd.Series([None,'tom','mary',np.nan,'ross','joey']) d ''' 0 None 1 tom 2 mary 3 NaN 4 ross 5 joey dtype: object ''' d.isnull() # None也会被当作缺失值 ''' 0 True 1 False 2 False 3 True 4 False 5 False dtype: bool ''' d.dropna() # 过滤缺失值 ''' 1 tom 2 mary 4 ross 5 joey dtype: object ''' # 也可以通过布尔型索引达到目的 d[d.notnull()]对于DataFrame对象:
df = pd.DataFrame([[1.,6.5,3.],[1.,np.nan,np.nan], [np.nan,np.nan,np.nan],[np.nan,6.5,3.]]) df ''' 0 1 2 0 1.0 6.5 3.0 1 1.0 NaN NaN 2 NaN NaN NaN 3 NaN 6.5 3.0 ''' # dropna默认丢弃任何含有缺失值的行 c = df.dropna() # 传入how='all'参数只丢弃全部为NA的行 e = df.dropna(how='all') # 丢弃列 f = df.dropna(axis=1,how='all') # 保留至少存在2个非缺失值的行 g = df.dropna(thresh=2) ''' 0 1 2 0 1.0 6.5 3.0 3 NaN 6.5 3.0 '''阅读更多
相关文章推荐
- Pandas详解十之Dropna滤除缺失数据
- sql server 的T-SQL 学习笔记(二)--- 解决union select插入多行数据过滤数据(union all)
- 第3章 Pandas数据处理(3.1-3.2)_Python数据科学手册学习笔记
- python数据挖掘学习笔记】十.Pandas、Matplotlib、PCA绘图实用代码补充
- 数据分析之pandas学习笔记一
- 第3章 Pandas数据处理(3.3)_Python数据科学手册学习笔记
- 【jqGrid for ASP.NET MVC Documentation】.学习笔记.7.搜索过滤数据
- pandas学习笔记-算术运算和数据对齐
- 第3章 Pandas数据处理(3.4-3.5)_Python数据科学手册学习笔记
- 从零开始学Python学习笔记---之--pandas数据框(3)
- 人工智能学习笔记——数据分析处理库Pandas
- 从零开始学Python学习笔记---之--pandas数据框(2)
- pandas 学习笔记-- 数据清洗和转换
- sql必知必会学习笔记-二,检索,过滤数据
- 第3章 Pandas数据处理(3.11-3.13)_Python数据科学手册学习笔记
- pandas学习笔记3—数据重塑图解Pivot, Pivot-Table, Stack and Unstack
- Pandas数据分析工具快速进阶一(索引的选取和过滤&缺失值的处理&索引的排序)
- Pandas学习笔记(1)基本数据类型及属性
- Pandas学习笔记(3) 数据存取与可视化
- 利用Pythonj进行数据分析学习笔记——第五章 pandas入门