如何使用pandas识别CVS文件中的空单元格
如何使用pandas识别CVS文件中的空单元格
提问于 2018-10-02 03:10:42
我从csv文件中提取一列，并使用pandas将其中的数据输入到数组中。但是，许多单元格是空的，并在数组中保存为'nan‘。我想要么识别空单元格以便跳过它们，要么在之后将它们从数组中全部删除。类似于下面的伪代码：
if df.row(column number) == nan
skip或
if df.row(column number) != nan
do stuff基本上，我如何识别csv文件中的单元格是否为空。
回答 3
Stack Overflow用户
发布于 2018-10-02 03:12:52
最好的做法是在加载NaN行后，通过索引将其删除：
df = df[df['column_to_check'].notnull()]例如，为了去除在以下数据框的第3列中找到的NaN值：
>>> df
0 1 2 3 4
0 1.0 1.0 NaN 1.0 1.0
1 1.0 NaN 1.0 1.0 1.0
2 NaN NaN NaN NaN NaN
3 NaN 1.0 1.0 NaN NaN
4 1.0 NaN NaN 1.0 1.0
>>> df[df[3].notnull()]
0 1 2 3 4
0 1.0 1.0 NaN 1.0 1.0
1 1.0 NaN 1.0 1.0 1.0
4 1.0 NaN NaN 1.0 1.0Stack Overflow用户
发布于 2018-10-02 03:15:21
如果按照上面代码中的建议逐行遍历DataFrame并按列索引，则pd.isnull()和pd.notnull()是检查单个null值的标准方法。然后，您可以使用此表达式对该值执行任何您喜欢的操作。
示例：
import pandas as pd
import numpy as np
a = np.nan
pd.isnull(a)
Out[4]: True
pd.notnull(a)
Out[5]: False如果您想要操作DataFrame中的所有(或某些) NaN值，那么在处理表格数据时，处理丢失的数据是一个很大的主题，有很多方法可以做到这一点。我推荐this book的第7章。以下是它的内容：
第一部分与您的问题最为相关。
Stack Overflow用户
发布于 2018-10-02 03:35:41
如果只想排除缺少的值，可以使用pd.DataFrame.dropna()
下面是一个基于@sacul描述的示例：
>>> import pandas as pd
>>> df
0 1 2 3 4
0 0.0 1.0 NaN 1.0 1.0
1 1.0 NaN 1.0 1.0 1.0
2 NaN NaN NaN NaN NaN
3 NaN 1.0 1.0 NaN NaN
4 1.0 NaN NaN 1.0 1.0
>>> df.dropna(axis=0, subset=['3'])
0 1 2 3 4
0 0.0 1.0 NaN 1.0 1.0
1 1.0 NaN 1.0 1.0 1.0
4 1.0 NaN NaN 1.0 1.0axis=0表示包含excluded.subset=['3']的行是NaN，表示只考虑列“3”。
有关详细信息，请参阅上面的链接。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/52597414
复制相关文章
相似问题
腾讯云开发者
