{"id":4246,"date":"2023-07-12T13:37:34","date_gmt":"2023-07-12T13:37:34","guid":{"rendered":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/"},"modified":"2023-07-12T13:37:34","modified_gmt":"2023-07-12T13:37:34","slug":"panda-menjatuhkannya-mengirik","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/","title":{"rendered":"Pandas: cara menggunakan dropna() dengan thresh"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Anda dapat menggunakan fungsi <strong>dropna()<\/strong> untuk menghapus baris dari pandas DataFrame yang berisi nilai yang hilang.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Anda juga dapat menggunakan argumen <b>thresh<\/b> untuk menentukan jumlah minimum nilai non-NaN yang harus dipertahankan oleh sebuah baris atau kolom di DataFrame.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Berikut adalah cara paling umum untuk menggunakan argumen <strong>ambang batas<\/strong> dalam praktiknya:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Metode 1: Pertahankan hanya baris dengan jumlah minimum nilai non-NaN<\/strong><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep rows with at least 2 non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">2<\/span> )\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><strong>Metode 2: Pertahankan hanya baris dengan persentase minimum nilai non-NaN<\/strong><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep rows with at least 70% non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">0.7<\/span> * <span style=\"color: #008000;\">len<\/span> (df. <span style=\"color: #3366ff;\">columns<\/span> ))<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><strong>Metode 3: Pertahankan hanya kolom dengan jumlah minimum nilai non-NaN<\/strong><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep columns with at least 6 non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">6<\/span> ,axis= <span style=\"color: #008000;\">1<\/span> )<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><strong>Metode 4: Pertahankan hanya kolom dengan persentase minimum nilai non-NaN<\/strong><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep columns with at least 70% non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">0.7<\/span> * <span style=\"color: #008000;\">len<\/span> (df), axis= <span style=\"color: #008000;\">1<\/span> )<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan cara menggunakan setiap metode dalam praktik dengan pandas DataFrame berikut:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008000;\">import<\/span> pandas <span style=\"color: #008000;\">as<\/span> pd\n<span style=\"color: #008000;\">import<\/span> numpy <span style=\"color: #008000;\">as<\/span> np\n\n<span style=\"color: #008080;\">#createDataFrame\n<\/span>df = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ({' <span style=\"color: #ff0000;\">team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n                   ' <span style=\"color: #ff0000;\">points<\/span> ': [18, np.nan, 19, 14, 14, 11, 20, np.nan],\n                   ' <span style=\"color: #ff0000;\">assists<\/span> ': [5, np.nan, np.nan, 9, np.nan, 9, 9, 4],\n                   ' <span style=\"color: #ff0000;\">rebounds<\/span> ': [11, np.nan, 10, 6, 6, 5, 9, np.nan]})\n\n<span style=\"color: #008080;\">#view DataFrame\n<\/span><span style=\"color: #008000;\">print<\/span> (df)\n\n  team points assists rebounds\n0 A 18.0 5.0 11.0\n1 B NaN NaN NaN\n2 C 19.0 NaN 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 NaN 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 9.0\n7H NaN 4.0 NaN<\/strong><\/pre>\n<h2> <span style=\"color: #000000;\"><strong>Contoh 1: Pertahankan hanya baris dengan jumlah minimum nilai non-NaN<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan sintaks berikut untuk hanya menyimpan baris di DataFrame yang memiliki setidaknya 2 nilai non-NaN:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep rows with at least 2 non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">2<\/span> )\n\n\tteam points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 NaN 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 NaN 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 9.0\n7H NaN 4.0 NaN\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa baris pada posisi indeks <strong>1<\/strong> telah dihapus karena hanya memiliki satu nilai non-NaN di seluruh baris.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Contoh 2: Pertahankan hanya baris dengan persentase minimum nilai non-NaN<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan sintaks berikut untuk hanya menyimpan baris-baris tersebut di DataFrame yang memiliki setidaknya 70% nilai non-NaN:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep rows with at least 70% non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">0.7<\/span> * <span style=\"color: #008000;\">len<\/span> (df. <span style=\"color: #3366ff;\">columns<\/span> ))\n\n        team points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 NaN 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 NaN 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 9.0\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa baris pada posisi indeks <strong>1<\/strong> dan <strong>7<\/strong> telah dihapus karena baris tersebut tidak berisi setidaknya 70% nilai sebagai nilai non-NaN.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Contoh 3: Pertahankan hanya kolom dengan jumlah minimum nilai non-NaN<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan sintaks berikut untuk hanya menyimpan kolom-kolom tersebut di DataFrame yang memiliki setidaknya 6 nilai non-NaN:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep columns with at least 6 non-NaN values<\/span>\ndf. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">6<\/span> ,axis= <span style=\"color: #008000;\">1<\/span> )\n\n        team points rebounds\n0 A 18.0 11.0\n1 B NaN NaN\n2 C 19.0 10.0\n3D 14.0 6.0\n4E 14.0 6.0\n5 F 11.0 5.0\n6G 20.0 9.0\n7 H NaN NaN<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa kolom \u201cbantuan\u201d telah dihapus karena kolom tersebut tidak berisi setidaknya 6 nilai non-NaN di kolom tersebut.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Contoh 4: Pertahankan hanya kolom dengan persentase minimum nilai non-NaN<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan sintaks berikut untuk hanya menyimpan kolom-kolom tersebut di DataFrame yang memiliki setidaknya 70% nilai non-NaN:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#only keep columns with at least 70% non-NaN values\n<\/span>df. <span style=\"color: #3366ff;\">dropna<\/span> (thresh= <span style=\"color: #008000;\">0.7<\/span> * <span style=\"color: #008000;\">len<\/span> (df), axis= <span style=\"color: #008000;\">1<\/span> )\n\n        team points rebounds\n0 A 18.0 11.0\n1 B NaN NaN\n2 C 19.0 10.0\n3D 14.0 6.0\n4E 14.0 6.0\n5 F 11.0 5.0\n6G 20.0 9.0\n7 H NaN NaN\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa kolom &#8220;dukungan&#8221; telah dihapus karena kolom ini tidak berisi setidaknya 70% nilai non-NaN.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Catatan<\/strong> : Anda dapat menemukan dokumentasi lengkap fungsi pandas <strong>dropna()<\/strong> <a href=\"https:\/\/pandas.pydata.org\/docs\/reference\/api\/pandas.DataFrame.dropna.html\" target=\"_blank\" rel=\"noopener\">di sini<\/a> .<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/id\/panda-mengatur-ulang-indeks-setelah-dropna\/\" target=\"_blank\" rel=\"noopener\">Pandas: Cara mereset indeks setelah menggunakan dropna()<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/panda-dropna-kolom-tertentu\/\" target=\"_blank\" rel=\"noopener\">Pandas: cara menggunakan dropna() dengan kolom tertentu<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/panda-menjatuhkan-baris-berdasarkan-beberapa-kondisi\/\" target=\"_blank\" rel=\"noopener\">Pandas: Cara menghapus baris berdasarkan berbagai kondisi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Anda dapat menggunakan fungsi dropna() untuk menghapus baris dari pandas DataFrame yang berisi nilai yang hilang. Anda juga dapat menggunakan argumen thresh untuk menentukan jumlah minimum nilai non-NaN yang harus dipertahankan oleh sebuah baris atau kolom di DataFrame. Berikut adalah cara paling umum untuk menggunakan argumen ambang batas dalam praktiknya: Metode 1: Pertahankan hanya baris [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-12T13:37:34+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/\",\"url\":\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/\",\"name\":\"Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-12T13:37:34+00:00\",\"dateModified\":\"2023-07-12T13:37:34+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pandas: cara menggunakan dropna() dengan thresh\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials","description":"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/","og_locale":"id_ID","og_type":"article","og_title":"Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials","og_description":"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/","og_site_name":"Statorials","article_published_time":"2023-07-12T13:37:34+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/","url":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/","name":"Pandas: Cara menggunakan dropna() dengan thresh \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-12T13:37:34+00:00","dateModified":"2023-07-12T13:37:34+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menggunakan fungsi pandas dropna() dengan argumen thresh, dengan beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/panda-menjatuhkannya-mengirik\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Pandas: cara menggunakan dropna() dengan thresh"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/4246"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=4246"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/4246\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=4246"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=4246"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=4246"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}