- Syntax von pandas.DataFrame.dropna()
- Beispielcodes: DataFrame.dropna() bis Zeile fallen lassen
- Beispielcodes: DataFrame.dropna() in Spalte fallen lassen
- Beispiel-Codes: DataFrame.dropna() Mit how=all
- Beispielcodes: DataFrame.dropna() mit einer spezifizierten Teilmenge oder thresh
- Beispiel-Codes: DataFrame.dropna() Mit inplace=True
Die Funktion pandas.DataFrame.dropna() entfernt Nullwerte (fehlende Werte) aus dem DataFrame, indem sie die Zeilen oder Spalten, die die Nullwerte enthalten, fallen lässt.
NaN (keine Zahl) und NaT (Not a Time) repräsentieren die Nullwerte. DataFrame.dropna() erkennt diese Werte und filtert den DataFrame entsprechend.
Syntax von pandas.DataFrame.dropna()
DataFrame.dropna(axis, how, thresh, subset, inplace)Parameter
axis | Sie bestimmt die Achse, die entweder eine Zeile oder eine Spalte sein soll. Wenn es 0 oder 'index' ist, dann lässt es die Zeilen mit fehlenden Werten fallen. Wenn es 1 oder 'columns' ist, dann löscht es die Spalten, die die fehlenden Werte enthalten. Standardmäßig ist sein Wert 0. |
how | Dieser Parameter bestimmt, wie die Funktion Zeilen oder Spalten fallen lässt. Er akzeptiert nur zwei Zeichenketten, entweder any oder all. Standardmäßig ist er auf any gesetzt. any löscht die Zeile oder Spalte, wenn darin ein Nullwert enthalten ist. all löscht die Zeile oder Spalte, wenn in ihr alle Werte fehlen. |
thresh | Es ist eine Ganzzahl, die die geringste Anzahl von nicht fehlenden Werten angibt, die verhindern, dass Zeilen oder Spalten abfallen. |
subset | Es ist ein Array, das die Namen von Zeilen oder Spalten hat, um den Abwurfvorgang zu spezifizieren. |
inplace | Es ist ein Boolean-Wert, der den Aufrufer DataFrame ändert, wenn er auf True gesetzt ist. In der Voreinstellung ist sein Wert False. |
Zurück
Es gibt einen gefilterten DataFrame zurück, der entsprechend der übergebenen Parameter Zeilen oder Spalten enthält.
Beispielcodes: DataFrame.dropna() bis Zeile fallen lassen
Standardmäßig ist die Achse 0, d.h. Zeilen, d.h. alle Ausgaben haben entfallene Zeilen.
import pandas as pddataframe=pd.DataFrame({'Attendance': {0: 60, 1: None, 2: 80,3: None, 4: 95}, 'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'}, 'Obtained Marks': {0: None, 1: 75, 2: 82, 3: 64, 4: None}})print(dataframe)Das Beispiel DataFrame sieht wie folgt aus.
Attendance Name Obtained Marks0 60.0 Olivia NaN1 NaN John 75.02 80.0 Laura 82.03 NaN Ben 64.04 95.0 Kevin NaNAlle Parameter dieser Funktion sind optional. Wenn wir keinen Parameter übergeben, dann löscht die Funktion alle Zeilen, die einen einzigen Nullwert enthalten.
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna()print(dataframe1)Ausgabe:
Attendance Name Obtained Marks2 80.0 Laura 82.0Sie hat alle Zeilen entfernt, die einen einzigen fehlenden Wert enthielten.
Beispielcodes: DataFrame.dropna() in Spalte fallen lassen
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna(axis=1)print(dataframe1)Ausgabe:
Name0 Olivia1 John2 Laura3 Ben4 KevinEs wurden alle Spalten gelöscht, die einen einzigen fehlenden Wert enthielten, weil wir axis=1 in der Methode DataFrame.dropna() gesetzt haben.
Beispiel-Codes: DataFrame.dropna() Mit how=all
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna(axis=1, how="all")print(dataframe1)Ausgabe:
Attendance Name Obtained Marks0 60.0 Olivia NaN1 NaN John 75.02 80.0 Laura 82.03 NaN Ben 64.04 95.0 Kevin NaNDie Zeilen mit den fehlenden Werte enthalten, werden nicht gelöscht, weil der Parameter how den Wert all hat, was bedeutet, dass alle Werte der Zeile null sein sollten.
Wenn alle Werte in der angegebenen Achse fehlen, dann lässt die Methode DataFrame.dropna() diese Achse fallen, selbst wenn der Parameter how auf all gesetzt ist.
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: None, 2: None, 3: None, 4: None}, })print(dataframe)print("--------")dataframe1 = dataframe.dropna(axis=1, how="all")print(dataframe1)Ausgabe:
Attendance Name Obtained Marks0 60.0 Olivia None1 NaN John None2 80.0 Laura None3 NaN Ben None4 95.0 Kevin None-------- Attendance Name0 60.0 Olivia1 NaN John2 80.0 Laura3 NaN Ben4 95.0 KevinBeispielcodes: DataFrame.dropna() mit einer spezifizierten Teilmenge oder thresh
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna(thresh=3)print(dataframe1)Ausgabe:
Attendance Name Obtained Marks2 80.0 Laura 82.0Der Wert von thresh ist 3, was bedeutet, dass mindestens 3 nicht leere Werte erforderlich sind, um ein Fallenlassen zu verhindern.
Wir könnten auch die subset angeben.
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna(subset=["Attendance", "Name"])print(dataframe1)Ausgabe:
Attendance Name Obtained Marks0 60.0 Olivia NaN2 80.0 Laura 82.04 95.0 Kevin NaNSie löscht Zeilen mit fehlenden Werten auf der Basis der Spalten Attendance und Name. Es werden keine Zeilen gelöscht, wenn nur die Werte in anderen Spalten, hier Obtained Marks, fehlende Werte haben.
Beispiel-Codes: DataFrame.dropna() Mit inplace=True
DataFrame.dropna() ändert den Aufrufer DataFrame an Ort und Stelle, wenn inplace auf True gesetzt ist.
import pandas as pddataframe = pd.DataFrame( { "Attendance": {0: 60, 1: None, 2: 80, 3: None, 4: 95}, "Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"}, "Obtained Marks": {0: None, 1: 75, 2: 82, 3: 64, 4: None}, })dataframe1 = dataframe.dropna(inplace=True)print(dataframe1)Ausgabe:
NoneDer Parameter hat den Aufrufer DataFrame an Ort und Stelle modifiziert und None zurückgegeben.
