大家好,又见面了,我是你们的朋友全栈君。
pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。python学习网,大量的免费python视频教程,欢迎在线学习!
使用dropna使得滤除缺失数据更加得心应手。
dropna常用参数:# DataFrame.dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False)
主要的2个参数:
#axis=0:删除包含缺失值(NaN)的行
#axis=1:删除包含缺失值(NaN)的列
# how=‘any’:要有缺失值(NaN)出现删除
# how=‘all’:所有的值都缺失(NaN)才删除
这两个要配合使用才好。
该函数主要用于滤除缺失数据。如果是Series,则返回一个仅含非空数据和索引值的Series,默认丢弃含有缺失值的行。xx.dropna()
对于DataFrame:data.dropna(how = ‘all’) # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1) # 丢弃有缺失值的列(一般不会这么做,这样会删掉一个特征)
data.dropna(axis=1,how=”all”) # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = [“Age”, “Sex”]) # 丢弃‘Age’和‘Sex’这两列中有缺失值的行
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:全栈程序员栈长,转载请注明出处:https://javaforall.cn/192161.html原文链接:https://javaforall.cn