删除dataframe对象df中a列包含缺失值行的方法

x

一、使用Pandas的DataFrame.dropna()函数

在使用Pandas处理数据时，如果要删除dataframe对象df中a列包含缺失值行，可以使用DataFrame.dropna()函数，方法如下： 示例：

# 导入Pandas模块 import pandas as pd # 定义一个dataframe对象df

df = pd.DataFrame({'a': [1, 2, 3, float('nan')], 'b': [float('nan'), 2, 3, 4]}) # 输出源数据df print(df)

# 删除dataframe对象df中a列包含缺失值行 df = df.dropna(subset=['a']) # 输出处理后的数据df print(df) 输出结果如下： a b 0 1 NaN 1 2 2.0 2 3 3.0

- 1 -

3 NaN 4.0 a b 0 1 NaN 1 2 2.0 2 3 3.0

以上代码实现了删除dataframe对象df中a列包含缺失值行的功能，其中：

1）DataFrame.dropna()函数：该函数可以删除dataframe对象中指定列（如a列）中包含缺失值的行；

2）subset参数：该参数可以指定函数删除的列，如指定删除a列中包含缺失值的行时，需使用subset=['a']。 二、使用Pandas的DataFrame.drop()函数

此外，也可以使用DataFrame.drop()函数来删除dataframe对象df中a列包含缺失值行，方法如下： 示例：

# 导入Pandas模块 import pandas as pd # 定义一个dataframe对象df

df = pd.DataFrame({'a': [1, 2, 3, float('nan')], 'b': [float('nan'), 2, 3, 4]}) # 输出源数据df print(df)

- 2 -

# 查询dataframe对象df中a列包含缺失值的行索引 na_index = df[df['a'].isna()].index # 删除dataframe对象df中a列包含缺失值行 df = df.drop(na_index) # 输出处理后的数据df print(df) 输出结果如下： a b 0 1 NaN 1 2 2.0 2 3 3.0 3 NaN 4.0 a b 0 1 NaN 1 2 2.0 2 3 3.0

以上代码实现了删除dataframe对象df中a列包含缺失值行的功能，其中：

1）DataFrame.drop()函数：该函数可以根据传入的索引及行号来删除dataframe对象中的行；

2）isna()函数：该函数可以查询dataframe对象df中a列包含缺失值的行索引，从而通过索引删除a列包含缺失值的行。

- 3 -

- 4 -