Pandas DataFrame DataFrame.dropna() 函式
Minahil Noor
2023年1月30日
2020年6月17日
-
pandas.DataFrame.dropna()語法 -
示例程式碼：
DataFrame.dropna()刪除行 -
示例程式碼：
DataFrame.dropna()刪除列 -
示例程式碼：
DataFrame.dropna()與how=all -
示例程式碼：
DataFrame.dropna()與指定的子集或閾值 -
示例程式碼：
DataFrame.dropna()與inplace=True
pandas.DataFrame.dropna() 函式通過丟棄包含空值的行或列，從 DataFrame 中刪除空值（缺失值）。
NaN（Not a Number）和 NaT（Not a Time）代表空值。DataFrame.dropna() 檢測這些值並相應地過濾 DataFrame。
pandas.DataFrame.dropna() 語法
DataFrame.dropna(axis,
how,
thresh,
subset,
inplace)
引數
axis |
它決定軸是行還是列。 如果它是 0 或 'index'，那麼它將刪除包含缺失值的行。如果它是 1 或 'column'，那麼它將刪除包含缺失值的列。預設情況下，它的值是 0 |
how |
這個引數決定函式如何刪除行或列。它只接受兩個字串，可以是 all 或 all。預設情況下，它被設定為 any。any - 如果行或列中有任何空值，就會刪除它。all - 如果行或列中缺少所有值，則放棄該行或列 |
thresh |
它是一個整數，指定了防止行或列丟失的非缺失值的最少數量 |
subset |
它是一個陣列，其中有行或列的名稱，用於指定刪除程式 |
inplace |
它是一個布林值，如果設定為 True，將就地改變呼叫者 DataFrame。預設情況下，它的值是 False |
返回值
它根據傳遞的引數返回一個過濾後的 DataFrame，其中包含刪除的行或列。
示例程式碼：DataFrame.dropna() 刪除行
預設情況下，軸為 0，即行，所以所有的輸出都有行掉。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
print(dataframe)
示例 DataFrame 如下。
Attendance Name Obtained Marks
0 60.0 Olivia NaN
1 NaN John 75.0
2 80.0 Laura 82.0
3 NaN Ben 64.0
4 95.0 Kevin NaN
這個函式的所有引數都是可選的。如果我們不傳遞任何引數，那麼函式將丟棄所有包含一個空值的行。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna()
print(dataframe1)
輸出：
Attendance Name Obtained Marks
2 80.0 Laura 82.0
丟棄所有包含一個缺失值的行。
示例程式碼：DataFrame.dropna() 刪除列
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna(axis=1)
print(dataframe1)
輸出：
Name
0 Olivia
1 John
2 Laura
3 Ben
4 Kevin
因為我們在 DataFrame.dropna() 方法中設定了 axis=1，所以它刪除了所有包含一個缺失值的列。
示例程式碼：DataFrame.dropna() 與 how=all
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna(axis=1, how = 'all')
print(dataframe1)
輸出：
Attendance Name Obtained Marks
0 60.0 Olivia NaN
1 NaN John 75.0
2 80.0 Laura 82.0
3 NaN Ben 64.0
4 95.0 Kevin NaN
包含缺失值的行沒有被刪除，因為 how 引數的值被設定為 all，這意味著該行的所有值都應該是空的。
如果在指定的軸上缺少所有的值，那麼 DataFrame.dropna() 方法會丟棄該軸，即使 how 被設定為 all。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: None, 2: None, 3: None, 4: None}})
print(dataframe)
print('--------')
dataframe1 = dataframe.dropna(axis=1, how = 'all')
print(dataframe1)
輸出：
Attendance Name Obtained Marks
0 60.0 Olivia None
1 NaN John None
2 80.0 Laura None
3 NaN Ben None
4 95.0 Kevin None Attendance Name
0 60.0 Olivia
1 NaN John
2 80.0 Laura
3 NaN Ben
4 95.0 Kevin
示例程式碼：DataFrame.dropna() 與指定的子集或閾值
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna(thresh = 3)
print(dataframe1)
輸出：
Attendance Name Obtained Marks
2 80.0 Laura 82.0
thresh 的值是 3，這意味著為了防止掉落，至少需要 3 個非空值。
我們也可以指定 subset。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna(subset=['Attendance', 'Name'])
print(dataframe1)
輸出：
Attendance Name Obtained Marks
0 60.0 Olivia NaN
2 80.0 Laura 82.0
4 95.0 Kevin NaN
根據 Attendance 和 Name 列，刪除缺失值的行。如果只有其他列中的值比如這裡的 Obtained Marks 列有缺失值，它就不會刪除記錄。
示例程式碼：DataFrame.dropna() 與 inplace=True
DataFrame.dropna() 如果 inplace 被設定為 True，則呼叫者 DataFrame 就地改變。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})
dataframe1 = dataframe.dropna(inplace=True)
print(dataframe1)
輸出：
None
該引數對呼叫者 DataFrame 進行了原地修改，返回 None。