pandas.DataFrame.dropna#

DataFrame.dropna(*, axis=0, how=<no_default>, thresh=<no_default>, subset=None, inplace=False, ignore_index=False)[源代码][源代码]#

移除缺失值。

有关哪些值被视为缺失以及如何处理缺失数据的更多信息，请参阅 用户指南。

参数:
轴{0 或 ‘index’, 1 或 ‘columns’}，默认 0

确定是否删除包含缺失值的行或列。

  • 0, 或 ‘index’ : 删除包含缺失值的行。

  • 1, 或 ‘columns’ : 删除包含缺失值的列。

只允许单个轴。

如何{‘any’, ‘all’}, 默认 ‘any’

确定在至少有一个 NA 或所有 NA 时，是否从 DataFrame 中删除行或列。

  • ‘any’ : 如果有任何 NA 值存在，删除该行或列。

  • ‘all’ : 如果所有值都是 NA，则删除该行或列。

threshint, 可选

需要许多非NA值。不能与how结合使用。

子集列标签或标签的可迭代对象，可选

其他轴上的标签需要考虑，例如，如果你在删除行，这些将是要包含的列的列表。

inplace布尔值, 默认为 False

是否修改 DataFrame 而不是创建一个新的。

ignore_index : bool, 默认为 False布尔值, 默认

如果 True，生成的轴将被标记为 0, 1, …, n - 1。

Added in version 2.0.0.

返回:
DataFrame 或 None

删除了NA条目的DataFrame，如果 inplace=True 则为None。

参见

DataFrame.isna

指示缺失值。

DataFrame.notna

指示现有（非缺失）的值。

DataFrame.fillna

替换缺失值。

Series.dropna

删除缺失值。

Index.dropna

删除缺失的索引。

示例

>>> 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

删除至少有一个元素缺失的行。

>>> df.dropna()
     name        toy       born
1  Batman  Batmobile 1940-04-25

删除至少有一个元素缺失的列。

>>> df.dropna(axis="columns")
       name
0    Alfred
1    Batman
2  Catwoman

删除所有元素缺失的行。

>>> df.dropna(how="all")
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

只保留至少有2个非NA值的行。

>>> df.dropna(thresh=2)
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

定义在哪些列中查找缺失值。

>>> df.dropna(subset=["name", "toy"])
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT