Pandas: วิธีรีเซ็ตดัชนีหลังจากใช้ dropna ()

คุณสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้เพื่อรีเซ็ตดัชนีของ Pandas DataFrame หลังจากใช้ฟังก์ชัน dropna() เพื่อปล่อยแถวที่มีค่าหายไป:

 df = df. dropna (). reset_index (drop= True )

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: รีเซ็ตดัชนีใน Pandas หลังจากใช้ dropna()

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 import pandas as pd
import numpy as np

#create dataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, np.nan, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, np.nan, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, np.nan, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18.0 5.0 11.0
1 B NaN 7.0 8.0
2 C 19.0 7.0 10.0
3D 14.0 9.0 6.0
4 E 14.0 12.0 6.0
5 F 11.0 NaN 5.0
6G 20.0 9.0 NaN
7 H 28.0 4.0 12.0

ตอนนี้ สมมติว่าเราใช้ฟังก์ชัน dropna() เพื่อลบแถวทั้งหมดออกจาก DataFrame ที่มีค่าหายไปในคอลัมน์:

 #drop rows with nan values in any column
df = df. dropna ()

#view updated DataFrame
print (df)

  team points assists rebounds
0 A 18.0 5.0 11.0
2 C 19.0 7.0 10.0
3D 14.0 9.0 6.0
4 E 14.0 12.0 6.0
7 H 28.0 4.0 12.0

โปรดทราบว่าดัชนียังคงมีค่าดัชนีเดิมสำหรับแต่ละแถว

หากต้องการรีเซ็ตดัชนีหลังจากใช้ฟังก์ชัน dropna() เราสามารถใช้ไวยากรณ์ต่อไปนี้:

 #drop rows with nan values in any column
df = df. dropna (). reset_index (drop= True )

#view updated DataFrame
print (df)

  team points assists rebounds
0 A 18.0 5.0 11.0
1 C 19.0 7.0 10.0
2 D 14.0 9.0 6.0
3 E 14.0 12.0 6.0
4 H 28.0 4.0 12.0

โปรดทราบว่าแต่ละแถวที่มีค่าหายไปได้ถูกลบออกไปแล้ว และค่าดัชนีได้ถูกรีเซ็ตแล้ว

ค่าดัชนีอยู่ในช่วงตั้งแต่ 0 ถึง 4

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการทำงานทั่วไปอื่นๆ ในแพนด้า:

วิธีพิมพ์ Pandas DataFrame โดยไม่มีดัชนี
วิธีกรองตามค่าดัชนีใน Pandas
วิธีใช้คอลัมน์แรกเป็นดัชนีใน Pandas