在 pandas 中选择无值 - Python

在数据分析或机器学习中，处理数据时经常需要选择无值（NaN）的行或列。pandas 提供了一些方法来选择无值。

示例数据

为了演示如何选择无值，我们需要一个包含 NaN 值的示例数据集。可以使用以下代码生成一个简单的 DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A':[1,2,np.nan],
    'B':[5,np.nan,np.nan],
    'C':[1,2,3]
})

生成DataFrame后，我们可以查看它的内容：

print(df)

输出：

     A    B  C
0  1.0  5.0  1
1  2.0  NaN  2
2  NaN  NaN  3

选择 NaN 值

选择 NaN 值所在的行

选取所有包含 NaN 值的行，可以使用 .dropna() 方法来剔除不包含 NaN 值的行，然后再使用 .loc 方法选取剩下的行：

df[df.isna().any(axis=1)]

输出：

     A   B  C
1  2.0 NaN  2
2  NaN NaN  3

选择 NaN 值所在的列

选取所有包含 NaN 值的列，可以使用 .dropna() 方法来剔除不包含 NaN 值的列，然后再使用 .loc 方法选取剩下的列：

df.loc[:, df.isna().any(axis=0)]

输出：

     A    B
0  1.0  5.0
1  2.0  NaN
2  NaN  NaN

替换 NaN 值

在某些情况下，我们需要将 NaN 值替换成其他的值。可以使用 .fillna() 方法来替换 NaN 值。例如，我们将 NaN 值替换为每列的平均值：

df.fillna(df.mean())

输出：

     A    B  C
0  1.0  5.0  1
1  2.0  5.0  2
2  1.5  5.0  3

总结

在 pandas 中选择 NaN 值的方法有：

• 选取包含 NaN 值的行：df[df.isna().any(axis=1)]
• 选取包含 NaN 值的列：df.loc[:, df.isna().any(axis=0)]
• 替换 NaN 值：df.fillna(value)，value 可以是任何值，例如 df.mean()