详解pandas删除缺失数据(pd.dropna()方法)
2019-06-25 11:07
1146 查看
1.创建带有缺失值的数据库:
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(5, 3), index = list('abcde'), columns = ['one', 'two', 'three']) # 随机产生5行3列的数据 df.ix[1, :-1] = np.nan # 将指定数据定义为缺失 df.ix[1:-1, 2] = np.nan print('\ndf1') # 输出df1,然后换行 print(df)
查看数据内容:
2.通常情况下删除行,使用参数axis = 0,删除列的参数axis = 1,通常不会这么做,那样会删除一个变量。
print('\ndrop row') print(df.dropna(axis = 0))
删除后结果:
以上就是本文的全部内容,希望对大家的学习有所帮助
您可能感兴趣的文章:
相关文章推荐
- pandas删除缺失数据(pd.dropna()方法)
- Pandas详解十之Dropna滤除缺失数据
- Yii 框架里数据库操作详解-[增加、查询、更新、删除的方法 'AR一、查询数据集合
- Pandas详解十一之Fillna填充缺失数据
- Python pandas 数据框的str列内置的方法详解
- 对pandas中iloc,loc取数据差别及按条件取值的方法详解
- 对pandas处理json数据的方法详解
- SQL Server中删除重复数据最快的方法详解
- 解决Oracle删除重复数据只留一条的方法详解
- Pandas相关函数:透视表pivot_table、删除缺失值dropna、定位loc、按字段排序sort_values、自定义函数apply
- Pandas学习笔记 - dropna()过滤缺失数据
- pandas 数据归一化以及行删除例程的方法
- 解决Oracle删除重复数据只留一条的方法详解
- Python pandas 数据框的str列内置的方法详解
- Python pandas 数据框的str列内置的方法详解
- 数据库中关于删除重复数据的方法的详解
- Pandas —— 处理缺失数据dropna( )和fillna( )
- 对pandas数据判断是否为NaN值的方法详解
- 详解pandas的外部数据导入与常用方法
- Pandas:Series和DataFrame删除指定轴上数据的方法