วิธีลบแถวที่มีค่า nan ใน pandas

บ่อยครั้งที่คุณอาจต้องการลบแถวที่มีค่า NaN ใน Pandas DataFrame โชคดีที่ทำได้ง่ายโดยใช้ฟังก์ชัน pandas dropna()

บทช่วยสอนนี้แสดงตัวอย่างหลายประการของการใช้ฟังก์ชันนี้ใน DataFrame ของแพนด้าต่อไปนี้:

 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

ตัวอย่างที่ 1: ลบแถวที่มีค่า NaN

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อลบแถวทั้งหมดที่มี ค่า 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

ตัวอย่างที่ 2: ลบแถวที่มีค่า NaN ทั้งหมด

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อลบแถวทั้งหมดที่มีค่า NaN ทั้งหมด ในแต่ละคอลัมน์:

 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

ไม่มีแถวที่มีค่า NaN ทั้งหมดอยู่ใน DataFrame นี้ ดังนั้นจึงไม่มีการลบแถวใดเลย

ตัวอย่างที่ 3: ลบแถวที่ต่ำกว่าเกณฑ์ที่กำหนด

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อลบแถวทั้งหมดที่ไม่มีค่าที่ไม่ใช่ NaN อย่างน้อย จำนวนหนึ่ง:

 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

แถวแรกของ DataFrame ดั้งเดิมไม่มีค่าที่ไม่ใช่ NaN อย่างน้อย 3 ค่า ดังนั้นจึงเป็นแถวเดียวที่ถูกลบออก

ตัวอย่างที่ 4: ลบแถวที่มีค่าน่านในคอลัมน์เฉพาะ

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อลบแถวทั้งหมดที่มีค่า NaN ในคอลัมน์เฉพาะ:

 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

ตัวอย่างที่ 5: รีเซ็ตดัชนีหลังจากลบแถวที่มี NaN

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อรีเซ็ตดัชนีของ DataFrame หลังจากลบแถวที่มีค่า 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

คุณสามารถดูเอกสารฉบับเต็มสำหรับฟังก์ชัน dropna() ได้ที่นี่