<\/p>\n
U kunt de volgende methoden gebruiken om rijen zonder NaN-waarden in panda’s te selecteren:<\/span><\/p>\n Methode 1: Selecteer rijen zonder NaN-waarden in alle kolommen<\/strong><\/span><\/p>\n Methode 2: Selecteer rijen zonder NaN-waarden in een specifieke kolom<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om rijen zonder NaN-waarden in elke kolom van het DataFrame te selecteren:<\/span><\/p>\n Houd er rekening mee dat elke rij van het resulterende DataFrame in geen enkele kolom NaN-waarden bevat.<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om rijen zonder NaN-waarden te selecteren in de puntenkolom<\/strong> van het DataFrame:<\/span><\/p>\n Houd er rekening mee dat elke rij van het resulterende DataFrame geen NaN-waarden bevat in de puntenkolom<\/strong> .<\/span><\/p>\n Er is een rij met een NaN-waarde in de kolom Assists<\/strong> , maar de rij blijft behouden in het DataFrame omdat de waarde in de kolom Punten<\/strong> van die rij niet NaN is.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Panda’s: rijen met NaN-waarden verwijderen<\/a> U kunt de volgende methoden gebruiken om rijen zonder NaN-waarden in panda’s te selecteren: Methode 1: Selecteer rijen zonder NaN-waarden in alle kolommen df[~df. isnull (). any (axis= 1 )] Methode 2: Selecteer rijen zonder NaN-waarden in een specifieke kolom df[~df[‚ this_column ‚]. isna ()] De volgende voorbeelden laten zien hoe u elke methode in […]<\/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":[],"class_list":["post-3656","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df[~df. isnull<\/span> (). any<\/span> (axis= 1<\/span> )]\n<\/strong><\/pre>\n df[~df[' this_column<\/span> ']. isna<\/span> ()]<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G'],\n ' points<\/span> ': [np.nan, 12, 15, 25, np.nan, 22, 30],\n ' assists<\/span> ': [4, np.nan, 5, 9, 12, 14, 10]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 A NaN 4.0\n1 B 12.0 NaN\n2C 15.0 5.0\n3D 25.0 9.0\n4 E NaN 12.0\n5F 22.0 14.0\n6G 30.0 10.0<\/strong><\/pre>\n Voorbeeld 1: Selecteer rijen zonder NaN-waarden in alle kolommen<\/strong><\/span><\/h2>\n
#create new DataFrame that only contains rows without NaNs\n<\/span>no_nans = df[~df. isnull<\/span> (). any<\/span> (axis= 1<\/span> )]\n\n#view results\n<\/span>print<\/span> (no_nans)\n\n team points assists\n2C 15.0 5.0\n3D 25.0 9.0\n5F 22.0 14.0\n6G 30.0 10.0 \n<\/strong><\/pre>\n Voorbeeld 2: Selecteer rijen zonder NaN-waarden in een specifieke kolom<\/strong><\/span><\/h2>\n
#create new DataFrame that only contains rows without NaNs in points column\n<\/span>no_points_nans = df[~df[' points<\/span> ']. isna<\/span> ()]\n\n#view results\n<\/span>print<\/span> (no_points_nans)\n\n team points assists\n1 B 12.0 NaN\n2C 15.0 5.0\n3D 25.0 9.0\n5F 22.0 14.0\n6G 30.0 10.0<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Panda’s: hoe NaN-waarden te vervangen door een string<\/a>
Panda’s: hoe NaN-waarden met gemiddelde vullen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"