Pandas中DataFrame中的nan值处理，
目录
- 1. 方法简介
- 1.1 DataFrame.dropna()
- 1.2 .DataFrame.fillna()
- 2. 案例
- 2.1 删除全部为NaN的行
- 2.2 删除包含NaN的行
- 2.3 删除包含NaN的列
- 2.4 删除全部为NaN的列
- 2.5 删除指定列是NaN的行
- 2.6 删除指定的两列都是空的行
- 2.7 筛选出NaN的数据
- 2.8 筛选出非NaN的数据
- 2.9 替换NaN值
- 2.10 多条件筛选
- 总结
1. 方法简介
1.1 DataFrame.dropna()
DataFrame.dropna()方法的作用：是删除含用空值或缺失值得行或列。
语法为：dropna（axis=0，how=‘any’，thresh=None，subset=None，inplace=False）
参数：
- axis:确定过滤的行或列，取值可以为
(1) 0或index：删除包含缺失值的行，默认为0。
(2) 1或columns：删除包含缺失值的列。 - how:确定过滤的标准，取值可以为：
(1)any:默认值，如果存在NaN值，就删除该行或该列。//有一个就删除行或列
(2)all:如果所有值都是NaN值，就删除该行或该列。 //全部都是才删除行或列 - thresh:表示有效数据量的最小要求，比如thresh=3，要求该行或该列至少有三个不是NaN值时将其保留。
- subset:表示在特定的字集中寻找NaN值
- inplace:表示是否在原数据上操作，如果设为True，则表示直接修改原数据；如果设为False，则表示修改原数据的副本，返回新数据
1.2 .DataFrame.fillna()
语法为：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
参数：
- value：用于填充的空值的值。
- method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的空值， backfill / bfill表示用后面行/列的值，填充当前行/列的空值。
- axis：轴。0或’index’，表示按行删除；1或’columns’，表示按列删除。
- inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。
- limit：int， default None。如果method被指定，对于连续的空值，这段连续区域，最多填充前 limit 个空值（如果存在多段连续区域，每段最多填充前 limit 个空值）。如果method未被指定， 在该axis下，最多填充前 limit 个空值（不论空值连续区间是否间断）
- downcast：dict, default is None，字典中的项为，为类型向下转换规则。或者为字符串“infer”，此时会在合适的等价类型之间进行向下转换，比如float64 to int64 if possible。
2. 案例
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(32).reshape(8, 4), columns=list("abcd"))
df.loc[1, 'a'] = 2
df.loc[1, 'c'] = 2.0
df.loc[6, 'c'] = np.nan
df.loc[3, 'c'] = 10
df.loc[3, ['c', 'd']] = np.nan
df["year"] = '2023'
df["date"] = ['08-25','08-26','08-27','08-28','08-29','08-30','08-31','09-01']
# 合并数据
df["ydate"] =df["year"].map(str) +"-"+ df["date"].map(str)
df["高温"] = ['15°', '16°', '20°', '19°', '20°', '22°', '24°', '23°']
df["低温"] = ['10°', '11°', '18°', '17°', '10°', '18°', '20°', '17°']
df["空气质量"] = ['优', '良', '优', '优', '差', '良', '优', np.nan]
print(df)
a b c d year date ydate 高温 低温 空气质量
0 0 1 2.0 3.0 2023 08-25 2023-08-25 15° 10° 优
1 2 5 2.0 7.0 2023 08-26 2023-08-26 16° 11° 良
2 8 9 10.0 11.0 2023 08-27 2023-08-27 20° 18° 优
3 12 13 NaN NaN 2023 08-28 2023-08-28 19° 17° 优
4 16 17 18.0 19.0 2023 08-29 2023-08-29 20° 10° 差
5 20 21 22.0 23.0 2023 08-30 2023-08-30 22° 18° 良
6 24 25 NaN 27.0 2023 08-31 2023-08-31 24° 20° 优
7 28 29 30.0 31.0 2023 09-01 2023-09-01 23° 17° NaN
2.1 删除全部为NaN的行
df1 = df.copy()
df1.loc[8, :] = np.nan
df1
a b c d year date ydate 高温 低温 空气质量
0 0.0 1.0 2.0 3.0 2023 08-25 2023-08-25 15° 10° 优
1 2.0 5.0 2.0 7.0 2023 08-26 2023-08-26 16° 11° 良
2 8.0 9.0 10.0 11.0 2023 08-27 2023-08-27 20° 18° 优
3 12.0 13.0 NaN NaN 2023 08-28 2023-08-28 19° 17° 优
4 16.0 17.0 18.0 19.0 2023 08-29 2023-08-29 20° 10° 差
5 20.0 21.0 22.0 23.0 2023 08-30 2023-08-30 22° 18° 良
6 24.0 25.0 NaN 27.0 2023 08-31 2023-08-31 24° 20° 优
7 28.0 29.0 30.0 31.0 2023 09-01 2023-09-01 23° 17° NaN
8 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
df1 = df.dropna(axis=0, how='all')
df1
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0.0 | 1.0 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2.0 | 5.0 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8.0 | 9.0 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 3 | 12.0 | 13.0 | NaN | NaN | 2023 | 08-28 | 2023-08-28 | 19° | 17° | 优 |
|---|
| 4 | 16.0 | 17.0 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20.0 | 21.0 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 6 | 24.0 | 25.0 | NaN | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 |
|---|
| 7 | 28.0 | 29.0 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
2.2 删除包含NaN的行
df2 = df.dropna(axis=0, how='any')
df2
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0.0 | 1.0 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2.0 | 5.0 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8.0 | 9.0 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 4 | 16.0 | 17.0 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20.0 | 21.0 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
2.3 删除包含NaN的列
df3 = df.dropna(axis=1, how='any')
df3
| a | b | year | date | ydate | 高温 | 低温 |
|---|
| 0 | 0 | 1 | 2023 | 08-25 | 2023-08-25 | 15° | 10° |
|---|
| 1 | 2 | 5 | 2023 | 08-26 | 2023-08-26 | 16° | 11° |
|---|
| 2 | 8 | 9 | 2023 | 08-27 | 2023-08-27 | 20° | 18° |
|---|
| 3 | 12 | 13 | 2023 | 08-28 | 2023-08-28 | 19° | 17° |
|---|
| 4 | 16 | 17 | 2023 | 08-29 | 2023-08-29 | 20° | 10° |
|---|
| 5 | 20 | 21 | 2023 | 08-30 | 2023-08-30 | 22° | 18° |
|---|
| 6 | 24 | 25 | 2023 | 08-31 | 2023-08-31 | 24° | 20° |
|---|
| 7 | 28 | 29 | 2023 | 09-01 | 2023-09-01 | 23° | 17° |
|---|
2.4 删除全部为NaN的列
df4 = df.copy()
df4["unknow"] = np.nan
df4
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 | unknow |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 | NaN |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 | NaN |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 | NaN |
|---|
| 3 | 12 | 13 | NaN | NaN | 2023 | 08-28 | 2023-08-28 | 19° | 17° | 优 | NaN |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 | NaN |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 | NaN |
|---|
| 6 | 24 | 25 | NaN | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 | NaN |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN | NaN |
|---|
df4 = df4.dropna(axis=1, how='all')
df4
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 3 | 12 | 13 | NaN | NaN | 2023 | 08-28 | 2023-08-28 | 19° | 17° | 优 |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 6 | 24 | 25 | NaN | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
2.5 删除指定列是NaN的行
删除指定某一列有nan，这样即可定位到所在行的index，然后对该index进行drop操作即可
df[np.isnan(df['c'])].index #定位某一列是否有nan
输出：
Index([3, 6], dtype='int64')
# 直接drop对应indx即可删除该行
df5 = df.drop(df[np.isnan(df['c'])].index)
df5
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
2.6 删除指定的两列都是空的行
df6 = df.dropna(axis=0, how='all', subset=['c', 'd'])
df6
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 6 | 24 | 25 | NaN | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
2.7 筛选出NaN的数据
df_nan = df[df['d'].isna()]
df_nan
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 3 | 12 | 13 | NaN | NaN | 2023 | 08-28 | 2023-08-28 | 19° | 17° | 优 |
|---|
2.8 筛选出非NaN的数据
df_notnan = df[~df['d'].isna()]
df_notnan
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 6 | 24 | 25 | NaN | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
2.9 替换NaN值
df9 = df.fillna('') # 将nan替换为''
df9
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 0 | 0 | 1 | 2.0 | 3.0 | 2023 | 08-25 | 2023-08-25 | 15° | 10° | 优 |
|---|
| 1 | 2 | 5 | 2.0 | 7.0 | 2023 | 08-26 | 2023-08-26 | 16° | 11° | 良 |
|---|
| 2 | 8 | 9 | 10.0 | 11.0 | 2023 | 08-27 | 2023-08-27 | 20° | 18° | 优 |
|---|
| 3 | 12 | 13 | | | 2023 | 08-28 | 2023-08-28 | 19° | 17° | 优 |
|---|
| 4 | 16 | 17 | 18.0 | 19.0 | 2023 | 08-29 | 2023-08-29 | 20° | 10° | 差 |
|---|
| 5 | 20 | 21 | 22.0 | 23.0 | 2023 | 08-30 | 2023-08-30 | 22° | 18° | 良 |
|---|
| 6 | 24 | 25 | | 27.0 | 2023 | 08-31 | 2023-08-31 | 24° | 20° | 优 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | |
|---|
2.10 多条件筛选
nan_df = df[(df['高温'].str.len() <= 2) | (df['空气质量'].isna())]
nan_df
| a | b | c | d | year | date | ydate | 高温 | 低温 | 空气质量 |
|---|
| 7 | 28 | 29 | 30.0 | 31.0 | 2023 | 09-01 | 2023-09-01 | 23° | 17° | NaN |
|---|
总结
到此这篇关于Pandas中DataFrame中的nan值处理的文章就介绍到这了,更多相关Pandas DataFrame nan值内容请搜索3672js教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持3672js教程！
您可能感兴趣的文章:- 如何一分钟内找出pandas DataFrame某列中的nan值
评论关闭