So löschen sie zeilen mit nan-werten in pandas

Häufig möchten Sie möglicherweise Zeilen mit NaN-Werten in einem Pandas-DataFrame entfernen. Glücklicherweise ist dies mit der Funktion pandas dropna() einfach zu bewerkstelligen.

Dieses Tutorial zeigt mehrere Beispiele für die Verwendung dieser Funktion im folgenden Pandas DataFrame:

 import numpy as np
import scipy.stats as stats

#create DataFrame with some NaN values
df = pd.DataFrame({'rating': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
                   'points': [np.nan, 25, 14, 16, 27, 20, 12, 15, 14, 19],
                   'assists': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#view DataFrame
df


        rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

Beispiel 1: Zeilen mit NaN-Werten löschen

Wir können die folgende Syntax verwenden, um alle Zeilen zu entfernen, die NaN- Werte enthalten:

 df. dropna ()

	rating points assists rebounds
1 85.0 25.0 7.0 8
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

Beispiel 2: Zeilen mit allen NaN-Werten entfernen

Wir können die folgende Syntax verwenden, um alle Zeilen zu entfernen, die alle NaN-Werte in jeder Spalte enthalten:

 df. dropna (how=' all ') 

        rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

In diesem bestimmten DataFrame gab es keine Zeilen mit allen NaN-Werten, daher wurde keine der Zeilen gelöscht.

Beispiel 3: Zeilen unter einem bestimmten Schwellenwert löschen

Mit der folgenden Syntax können wir alle Zeilen entfernen, die nicht mindestens eine bestimmte Anzahl an Nicht-NaN-Werten enthalten:

 df. dropna (thresh= 3 ) 

	rating points assists rebounds
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

Die allererste Zeile des ursprünglichen DataFrame enthielt nicht mindestens drei Nicht-NaN-Werte, daher war dies die einzige Zeile, die entfernt wurde.

Beispiel 4: Löschen Sie eine Zeile mit Nan-Werten in einer bestimmten Spalte

Wir können die folgende Syntax verwenden, um alle Zeilen zu entfernen, die einen NaN-Wert in einer bestimmten Spalte haben:

 df. dropna (subset=[' assists '])

	rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

Beispiel 5: Setzen Sie den Index zurück, nachdem Zeilen mit NaNs gelöscht wurden

Wir können die folgende Syntax verwenden, um den Index des DataFrame zurückzusetzen, nachdem Zeilen mit NaN-Werten gelöscht wurden:

 #drop all rows that have any NaN values
df = df. dropna ()

#reset index of DataFrame
df = df. reset_index (drop=True)

#view DataFrame
df

        rating points assists rebounds
0 85.0 25.0 7.0 8
1 94.0 27.0 5.0 6
2 90.0 20.0 7.0 9
3 76.0 12.0 6.0 6
4 75.0 15.0 9.0 10
5 87.0 14.0 9.0 10
6 86.0 19.0 5.0 77

Die vollständige Dokumentation zur Funktion dropna() finden Sie hier .