从给定的 Pandas DataFrame 中删除无限值

在处理数据时，可能会遇到NaN（Not a Number）或Inf（Infinity）这些无限值，这些值可能会影响数据分析的结果。在 Pandas 中，可以使用 dropna() 方法来删除 DataFrame 中的 NaN 值，但是默认情况下，该方法不能删除 Inf 值。本文将介绍如何从给定的 Pandas DataFrame 中删除无限值。

删除 NaN 值

首先，让我们看一下如何删除 NaN 值。假设我们有一个包含 NaN 值的 DataFrame，如下所示：

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4],
        'B': [5, np.nan, 7, 8],
        'C': [9, 10, 11, np.nan]}

df = pd.DataFrame(data)

print(df)

输出：

     A    B     C
0  1.0  5.0   9.0
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0   NaN

现在，我们将使用 dropna() 方法来删除 NaN 值：

df = df.dropna()

print(df)

输出：

     A    B    C
0  1.0  5.0  9.0

dropna() 方法默认按行删除 NaN 值，也就是说，只要某一行中存在 NaN 值，该行就会被删除。

删除 Inf 值

如果要删除 Inf 值，我们可以使用 NumPy 中的 isinf() 方法来检查 DataFrame 中的每一个元素是否为 Inf 值。然后，我们可以把 Inf 值替换成 NaN 值，并使用 dropna() 方法删除 NaN 值。

下面是一个示例代码：

df[df == np.inf] = np.nan # 将 Inf 值替换成 NaN 值
df = df.dropna() # 删除 NaN 值

print(df)

输出：

     A    B    C
0  1.0  5.0  9.0

结论

在本文中，我们学习了如何从给定的 Pandas DataFrame 中删除 NaN 和 Inf 值。对于NaN值，我们可以直接使用dropna()方法。对于Inf值，我们需要先将其替换成NaN值，然后再使用dropna()方法。