Pandas中的dropna – 存储删除行

在Pandas中，DataFrame经常需要进行数据清洗，其中一个很常用的操作就是删除缺失值。Pandas中的dropna就是非常常用且方便的一个方法，本文将介绍如何通过Pandas的dropna方法来删除缺失值并将删除的行存储下来。
阅读更多：Pandas 教程

dropna方法简介

dropna是DataFrame的一个方法，它接受一些参数来进行缺失值的删除操作。默认情况下，dropna方法将只从行中删除包含缺失值的行，但是你也可以通过修改参数来控制。以下是dropna方法的一些重要参数：
– axis: 沿着行或列删除缺失值。默认值为0，即删除包含缺失值的行；
– how: 指定要删除的行或列中包含缺失值的比例，可以设置为’all’或’any’；
– thresh: 一行或一列中需要至少有多少个非缺失值才不会被删除；
– subset: 指定要删除行或列的子集。
将这些参数的值设置为适当的值，dropna方法就会删除DataFrame中包含缺失值的行或列。

dropna方法示例

我们来使用一个简单的示例来演示该方法的使用。首先，请先创建一个包含缺失值的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[1, 2, np.nan, 4], 'B':[5, np.nan, 7, 8], 'C':[np.nan, 10, 11, 12]})
print(df)

输出如下：

     A    B     C
0  1.0  5.0   NaN
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0  12.0

该DataFrame包含缺失值。现在，使用dropna方法可以轻松删除这些缺失值。

df.dropna()

输出：

     A    B     C
3  4.0  8.0  12.0

在这个例子中，使用默认的dropna方法只删除了包含缺失值的行。在这种情况下，只有第2行具有缺失值，因此该行被删除了，剩下的所有行都没有被删除。请注意，由于我们没有在方法中传递任何参数，因此Pandas使用了默认值。
下面再看几个示例：

删除所有包含缺失值的列

df.dropna(axis=1)

输出：

Empty DataFrame
Columns: []
Index: [0, 1, 2, 3]

在这个例子中，我们将axis参数设置为1，这意味着我们要删除包含缺失值的列。由于所有的列都包含缺失值，因此整个DataFrame被删除了。

删除至少有2个非缺失值的行

df.dropna(thresh=2)

输出：

     A    B     C
0  1.0  5.0   NaN
1  2.0  NaN  10.0
3  4.0  8.0  12.0

在这个例子中，我们将thresh参数设置为2，这意味着我们要删除至少有一个非缺失值的行。由于第2行只有1个非缺失值，因此该行被删除了，而其他行具有至少2个非缺失值，因此保留了它们。

删除指定的列

df.dropna(subset=['B'])

输出：

     A    B     C
0  1.0  5.0   NaN
2  NaN  7.0  11.0
3  4.0  8.0  12.0

在这个例子中，我们将subset参数设置为’B’，这意味着我们要删除包含缺失值的列’B’。由于第1列和第2列包含缺失值，因此它们都被删除了。

存储删除的行

有时候，我们需要将删除的行单独保存下来，以便以后进行分析或使用。我们可以通过在dropna方法中传递index或labels参数来实现这一点。这些参数允许我们将删除的行或列存储到一个新的DataFrame中。

deleted_rows = df.dropna().reset_index(drop=True)

在这个例子中，deleted_rows将存储从原始DataFrame中删除的行。我们使用reset_index方法来重置索引，这样可以保证删除的行按顺序储存到结果DataFrame中。

总结

使用Pandas中的dropna方法可以方便地删除DataFrame中的缺失值。该方法提供了许多参数来控制要删除的行和列以及删除的条件。通过在dropna中添加参数，我们可以将删除的行或列存储到一个新的DataFrame中，以供后期分析使用。