pandas中的drop函数_pandas replace函数

pandas中的drop函数_pandas replace函数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”),

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

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/192268.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号