pandas中的drop函数_pandas replace函数

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

dropna()函数的作用是去除读入的数据中（DataFrame）含有NaN的行。
如下：

>>> df = pd.DataFrame({ 
   "name": ['Alfred', 'Batman', 'Catwoman'],
                   "toy": [np.nan, 'Batmobile', 'Bullwhip'],
                   "born": [pd.NaT, pd.Timestamp("1940-04-25"),
                            pd.NaT]})
>>> df
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

使用 dropna() 效果：

>>> df.dropna()
     name        toy       born
1  Batman  Batmobile 1940-04-25

注意：

在代码中要保存对原数据的修改，需要添加 inplace 参数 ，inplace=True 表示直接在原数据上更改

df.dropna(inplace=True)

例：

dfs = pd.read_excel(path, sheet_name='Sheet1',index_col='seq')  

dfs.dropna(inplace=True) #去除包含NaN 的行

print(dfs)#若不用inplace=True，此处 dfs 结果仍包含NaN

dropna 参数：

1. axis: default 0指行,1为列

2. how: {‘any’, ‘all’}, default ‘any’指带缺失值的所有行;’all’指清除全是缺失值的

3. thresh: int,保留含有int个非空值的行

4. subset: 对特定的列进行缺失值删除处理

5. inplace: 这个很常见,True表示直接在原数据上更改

参考