df.dropna() 過濾數據中的缺失數據

pd.dropna

刪除缺失的值，過濾數據中的缺失數據，缺失數據在pandas中用NaN標記

DataFrame.dropna（axis = 0，how = 'any'，thresh = None，subset = None，inplace = False）

參數：

1. axis：{0 or ‘index’, 1 or ‘columns’}, default 0，確定是否刪除包含缺失值的行或列，在1.0.0版中進行了更改：將元組或列表傳遞到多個軸上。只允許一個軸
2. how：{‘any’, ‘all’}, default ‘any’，當我們有至少一個NA或全部NA時，確定是否從DataFrame中刪除行或列，'any'：如果存在任何NA值，則刪除該行或列，'all'：如果所有值均為NA，則刪除該行或列
3. thresh：int, optional，需要許多非NA值
4. subset：array-like, optional，要考慮的其他軸上的標簽，例如，如果要刪除行，這些標簽將是要包括的列的列表
5. inplace：bool, default False

官網例子

df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
                   "toy": [np.nan, 'Batmobile', 'Bullwhip'],
                   "born": [pd.NaT, pd.Timestamp("1940-04-25"),
                            pd.NaT]})
df

       name        toy       born
0 Alfred NaN NaT 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT

過濾掉有缺失數據

df.dropna()

     name        toy       born
1 Batman Batmobile 1940-04-25

刪除有缺失的列

df.dropna(axis='columns')

       name
0 Alfred 1 Batman 2 Catwoman

將所有元素都缺失的行刪除

df.dropna(how='all')

       name        toy       born
0 Alfred NaN NaT 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT

僅保留至少具有2個非NA值的行

df.dropna(thresh=2)

       name        toy       born
1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT

在哪些列中查找缺失值

df.dropna(subset=['name', 'born'])

       name        toy       born
1 Batman Batmobile 1940-04-25

是否覆蓋原來的數據

df.dropna(inplace=True)
df

     name        toy       born
1 Batman Batmobile 1940-04-25

 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html?highlight=dropna#pandas.DataFrame.dropna