以‘df dropna’ 确保一列不是 nan - Python

在处理数据时，经常会遇到需要丢弃含有缺失值（NaN）的行或列的情况。一种常用的方法是使用 DataFrame.dropna()。但在某些情况下，需要确保某些列不含有 NaN，这时候就可以使用 subset 参数来过滤需要考虑的列。

数据集介绍

我们将使用一份简单的数据集来演示如何使用 DataFrame.dropna() 确保一列不是 NaN。

import pandas as pd

data = {'name': ['John', 'Jane', 'Mike', 'Lisa', 'Bob', 'Jake', 'Mary', 'Sue', 'Tom', 'George'],
        'age': [25, 34, 21, 57, 43, 29, 39, 28, 32, 46],
        'country': ['USA', 'UK', 'Canada', 'USA', 'USA', 'Canada', 'UK', 'UK', 'Canada', 'USA'],
        'salary': [50000, 70000, 25000, 100000, 80000, pd.NA, 60000, 45000, 90000, pd.NA]}

df = pd.DataFrame(data)

# 显示数据框的前几行
df.head()

输出：

| | name | age | country | salary | |---:|:--------|------:|:----------|:----------| | 0 | John | 25 | USA | 50000 | | 1 | Jane | 34 | UK | 70000 | | 2 | Mike | 21 | Canada | 25000 | | 3 | Lisa | 57 | USA | 100000 | | 4 | Bob | 43 | USA | 80000 |

其中 salary 列包含 NaN 值，我们的目标是确保该列不包含 NaN。

使用 subset 参数过滤列

DataFrame.dropna() 函数有一个可选参数 subset，可以只考虑数据框中的一部分列。

no_na_df = df.dropna(subset=['salary'])
no_na_df

输出：

| | name | age | country | salary | |---:|:--------|------:|:----------|:----------| | 0 | John | 25 | USA | 50000 | | 1 | Jane | 34 | UK | 70000 | | 2 | Mike | 21 | Canada | 25000 | | 3 | Lisa | 57 | USA | 100000 | | 4 | Bob | 43 | USA | 80000 | | 6 | Mary | 39 | UK | 60000 | | 7 | Sue | 28 | UK | 45000 | | 8 | Tom | 32 | Canada | 90000 |

可以看到，NaN 值所在的行都被丢弃了。

但是这样做并不能确保 salary 列不包含 NaN。为了确保该列不包含 NaN，我们需要再对 no_na_df 数据框进行一次判空操作。

has_na = no_na_df['salary'].isna().any()
if has_na:
    print('出现 NaN 值')
else:
    print('没有 NaN 值')

输出：

没有 NaN 值

可以看到，经过上述处理，我们成功地确保了 salary 列不包含 NaN。

结论

本文介绍了如何使用 DataFrame.dropna() 确保某一列不含有 NaN，具体做法是通过 subset 参数过滤出需要考虑的列，然后再对结果进行判空操作。