Python 数据清洗之缺失数据滤除dropna（）

数据分析：Python的Pandas库数据处理 #生活知识# #编程教程#

实际应用中，在得到原始数据时，经常碰到数据缺失问题，对数据进行加工或清洗就非常有必要了

import numpy as np

from numpy import nan

import pandas as pd

data=pd.DataFrame(np.arange(3,19,1).reshape(4,4),index=list('abcd'))

print(data)

print(data.isnull())

pritn(data.notnull())

输出结果：

0 1 2 3

a 3 4 5 6

b 7 8 9 10

c 11 12 13 14

d 15 16 17 18

0 1 2 3

a False False False False

b False False False False

c False False False False

d False False False False

0 1 2 3

a True True True True

b True True True True

c True True True True

d True True True True

print(data.drop('a'))

print(data.drop(1,axis=1)

0 1 2 3

b 7 8 9 10

c 11 12 13 14

d 15 16 17 18

0 2 3

a 3 5 6

b 7 9 10

c 11 13 14

d 15 17 18

print(data.drop(index=list('ac')))

print(data.drop([1,3],axis=1))

0 1 2 3

b 7 8 9 10

d 15 16 17 18

0 2

a 3 5

b 7 9

c 11 13

d 15 17

data.iloc[0:2,0:3]=nan

print(data)

print(data.isnull())

0 1 2 3

a NaN NaN NaN 6

b NaN NaN NaN 10

c 11.0 12.0 13.0 14

d 15.0 16.0 17.0 18

0 1 2 3

a True True True False

b True True True False

c False False False False

d False False False False

print(data.dropna()) ### 默认axis=0,how='any',删除带有空值的行，只要有一个空值，就删除整行

0 1 2 3

c 11.0 12.0 13.0 14

d 15.0 16.0 17.0 18

print(data.dropna(axis=1)) ### axis=1,删除带有空值的列，只要有一个空值，就删除整列

3

a 6

b 10

c 14

d 18

data=pd.DataFrame(np.arange(3,19,1).reshape(4,4),index=list('abcd'))

print(data)

data.iloc[0:1,:]=nan

data[3]=nan

print(data)

0 1 2 3

a NaN NaN NaN NaN

b 7.0 8.0 9.0 NaN

c 11.0 12.0 13.0 NaN

d 15.0 16.0 17.0 NaN

print(data.dropna(how='all')) ### 整行都是空值时，才会被删除

0 1 2 3

b 7.0 8.0 9.0 NaN

c 11.0 12.0 13.0 NaN

d 15.0 16.0 17.0 NaN

print(data.dropna(how='all',axis=1)) ### 整列都是空值时，才会被删除

0 1 2

a NaN NaN NaN

b 7.0 8.0 9.0

c 11.0 12.0 13.0

d 15.0 16.0 17.0

print(data.dropna(thresh=2))

0 1 2 3

c 11.0 12.0 13.0 14

d 15.0 16.0 17.0 18

print(data.dropna(subset=[1,2]))

0 1 2 3

c 11.0 12.0 13.0 14

d 15.0 16.0 17.0 18

网址：Python 数据清洗之缺失数据滤除dropna（） https://www.yuejiaxmz.com/news/view/461813

相关内容

数据清洗实战：工业生产数据的深入探讨
python数据分析
Python数据分析：对饮食与健康数据的分析与可视化
机器学习之数据预处理（Python 实现）
《python数据分析与挖掘》
大数据清洗随手记（一）
python数据分析之读写txt文件
数据驱动的未来：如何利用数据驱动技术提高业务效率1.背景介绍 数据驱动的未来是一个具有挑战性和机遇的话题。随着数据的崛起
从零开始：建立高效的数据清洗流程
数据挖掘：数据清洗——数据噪声处理

随便看看