假設拿到一個10萬行的數據后，通過isnull我們發現某列有幾個空值，要把該列空值所在行刪除怎么操作？用dropna()會刪除所有有空值的行，請看下面實例。

區分 None,null,NULL,nan, “null”, " “, “”, ‘’, , b’’, u”" 1.Python 中 None 是 NoneType, 沒有長度, 表示空值， 布爾值為False, 即 None.bool() == False 2. null 和 NULL 表示數據庫中的空值， python中不存在這兩者。 3.在pandas 中 NaN 是缺失值的意思。 NaN 在python 中 導入用 from numpy import nan 或者 from numpy import NaN, 類型用 type() 判斷為 float， 值可以用math.isnan(),numpy.isnan(),pandas.isna(), pandas.isnull()判斷。在python3.7 中NaN和None都可以是float類型，都可以和數值做加法運算。 3. “null” 表示長度為4，由字母null組成的字符串 4. “” 和’’ 都表示空字符串，長度為0 5. " “表示長度為1的空格字符 6. 反引號在linux 命令中可以傳遞變量的值，`` 在linux中表示空變量
7. b’’ 表示 bytes 字節編碼空字符串
8. u”" 表示unicode 類型空字符串

附圖中代碼在python3.7 中運行

Python之pandas：pandas中缺失值與空值處理的簡介及常用函數(dropna()、isna()、isnull()、fillna())

pandas中缺失值與空值處理的簡介

data_df['col01'].isnull() 
data_df[data_df['col02'].notnull()] 
data_df['col01'].fillna(value=0) 
data_df['col01'].dropna() data_df.set_index(['time', 'user'], inplace=True) 
data_df.sort_index(inplace=True)

1、缺失值統計并缺失率可視化

#統計缺失字段的缺失率
from DataScience.DataVisualize_Functions import NullValueCountAndPlot,NullValueCountRatio_AndPlot
NullValueCountAndPlot('',data_X)
NullValueCountRatio_AndPlot('',data_X)

dropna()、isna()、isnull()、fillna()使用案例

import pandas as pd
import numpy as npcontents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],"ID":   [1,              2,                           3,                           None],   # 輸出 NaN"age":  [np.nan,        28,                           38 ,                          '' ],   # 輸出 "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],   # 輸出 NaT"sex":  ['男',          '女',                        '女',                        None,],   # 輸出 None"hobbey":['打籃球',     '打羽毛球',                   '打乒乓球',                    '',],   # 輸出 }
data_frame = pd.DataFrame(contents)
data_frame.to_excel("data_Frame.xls")
print(data_frame)#dropna 函數：自動刪除空值(np.nan、pd.Na、'')所在行的數據
data_frame_temp=data_frame
res01= data_frame_temp.dropna()
print('dropna():','\n',res01)#  去掉包含缺失值的任何一行
data_frame_temp.dropna(how='any')      #表示去掉所有包含缺失值的行#isna 函數：
res01=data_frame.isna()
print('isna():','\n',res01)#isnull 函數：
res01= data_frame.isnull()
print('isnull():','\n',res01)#fillna 函數：用0填充
res01= data_frame.fillna(0)
print('fillna():','\n',res01)

pandas中缺失值與空值處理的常用函數(dropna()、fillna()、isnull()、isna())

1、dropna() 刪除缺失值

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)[source]

2、isna()顯示缺失值、notna() #isna的布爾逆

3、isnull() 檢測缺失值

4、fillna() 填充缺失值

https://blog.csdn.net/qq_41185868/article/details/108504178

20201215

csv里面是空值 讀出來就是這樣
df.dropna() 可以刪除帶有nan值的任意行

左邊的空值對應 右邊的表現形式
df.dropna() 不能刪除上述形式的空值

df!=’’ 可以直接找出所有的‘’的空值 或者 按列查找出對應的行索引

isnull() 只能找出對應 nan 的空值 ‘’ 這種不能找出

總結

以上是生活随笔為你收集整理的pandas dataframe 删除带空值的行 各种空值 (dropna()、isna()、isnull()、fillna())的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。