本文概述
如果你的数据集包含空值, 则可以使用dropna)函数分析并删除数据集中的行/列。
句法
DataFrameName.dropnaaxis=0, how=’any’, thresh=None, subset=None, inplace=False)
参数
轴：{0或’index’, 1或’columns’}, 默认值0
它采用int或字符串值作为行/列。输入可以是0和1整数和索引), 也可以是列字符串)。
0或”索引”：删除包含缺失值的行。
1或”列”：删除包含缺失值的列。
怎么样 ：
当我们有至少一个不适用或所有不适用时, 它确定是否从DataFrame中删除行或列。
它只接受两种字符串值” any”或” all”)。
any：如果任何值为null, 则删除行/列。
all：仅在所有值均为null时丢弃。
脱粒：
它采用整数值, 该值定义要减少的最小NA值量。
子集：
它是一个数组, 将删除过程限制为通过列表传递的行/列。
到位：
它返回一个布尔值, 如果它为True, 则会在数据帧本身中进行更改。
Return
它返回删除了NA条目的DataFrame。
对于演示, 首先, 我们获取一个csv文件, 该文件将从数据集中删除任何列。
import pandas as pd
aa = pd.read_csv“aa.csv”)
aa.head)
输出
Name
Hire Date
Salary
Leaves Remaining
0 John Idle03/15/14
50000.0
10
1 Smith Gilliam
06/01/15
65000.0
8
2 Parker Chapman
05/12/14
45000.0
10
3 Jones Palin
11/01/13
70000.0
3
4 Terry Gilliam
08/12/14
48000.0
7
5 Michael Palin
05/23/13
66000.0
8
代码
# importing pandas module
import pandas as pd
# making data frame from csv file
info = pd.read_csv“aa.csv”)
# making a copy of old data frame
copy = pd.read_csv“aa.csv”)
# creating value with all null values in new data frame
copy[“Null Column”]= None
# checking if column is inserted properly
printinfo.columns.values, “\n”, copy.columns.values)
# comparing values before dropping null column
print“\nColumn number before dropping Null column\n”, leninfo.dtypes), lencopy.dtypes))
# dropping column with all null values
copy.dropnaaxis = 1, how =’all’, inplace = True)
# comparing values after dropping null column
print“\nColumn number after dropping Null column\n”, leninfo.dtypes), leninfo.dtypes))
输出
[‘NameHire DateSalaryLeaves Remaining’]
[‘NameHire DateSalaryLeaves Remaining’
‘Null Column’]
Column number before dropping Null column
1 2
Column number after dropping Null column
1 1
上面的代码从数据集中删除了null列, 并返回了一个新的DataFrame。