Jak usunąć wiersze z wartościami nan w pandach

Często możesz chcieć usunąć wiersze zawierające wartości NaN w ramce DataFrame pandy. Na szczęście można to łatwo zrobić za pomocą funkcji pandy dropna() .

W tym samouczku przedstawiono kilka przykładów użycia tej funkcji w następującej ramce DataFrame pand:

 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

Przykład 1: Usuń wiersze z wartościami NaN

Możemy użyć następującej składni, aby usunąć wszystkie wiersze zawierające wartości NaN:

 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

Przykład 2: Usuń wiersze ze wszystkimi wartościami NaN

Możemy zastosować następującą składnię, aby usunąć wszystkie wiersze zawierające wszystkie wartości NaN w każdej kolumnie:

 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

W tej konkretnej ramce DataFrame nie było wierszy ze wszystkimi wartościami NaN, więc żaden z wierszy nie został usunięty.

Przykład 3: Usuń wiersze poniżej określonego progu

Możemy użyć następującej składni, aby usunąć wszystkie wiersze, które nie zawierają co najmniej określonej liczby wartości innych niż NaN:

 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

Pierwszy wiersz oryginalnej ramki DataFrame nie zawierał co najmniej 3 wartości innych niż NaN, więc był to jedyny wiersz, który został usunięty.

Przykład 4: Usuń wiersz z wartościami Nan w określonej kolumnie

Możemy użyć następującej składni, aby usunąć wszystkie wiersze zawierające wartość NaN w określonej kolumnie:

 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

Przykład 5: Zresetuj indeks po usunięciu wierszy z NaN

Możemy użyć następującej składni, aby zresetować indeks DataFrame po usunięciu wierszy z wartościami NaN:

 #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

Pełną dokumentację funkcji dropna() znajdziesz tutaj .