Oft sind Sie daran interessiert, eine oder mehrere Zeichenfolgenspalten in einem Pandas-DataFrame in Float-Spalten zu konvertieren. Glücklicherweise ist dies mit der Funktion astype() einfach zu bewerkstelligen.
Dieses Tutorial zeigt mehrere …
Oft möchten Sie möglicherweise Zeilen löschen, die NaN-Werte in einem Pandas-DataFrame enthalten. Glücklicherweise ist dies mit der Funktion pandas dropna() einfach zu bewerkstelligen.
Dieses Tutorial zeigt einige Beispiele für die Verwendung dieser Funktion auf den folgenden Pandas DataFrame:
import numpy as np
import scipy.stats as stats
#Dataframe erstellen mit einigen NaN-Werten
df = pd.DataFrame({'rating': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
'points': [np.nan, 25, 14, 16, 27, 20, 12, 15, 14, 19],
'assists': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
'rebounds': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})
#Dataframe anzeigen
df
rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
Beispiel 1: Zeilen mit beliebigen NaN-Werten löschen
Wir können die folgende Syntax verwenden, um alle Zeilen zu löschen, die alle NaN Werte haben:
df.dropna()
rating points assists rebounds
1 85.0 25.0 7.0 8
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
Beispiel 2: Drop-Zeilen mit allen NaN-Werten
Wir können die folgende Syntax verwenden, um alle Zeilen mit allen NaN-Werten in jeder Spalte zu löschen:
df.dropna(how='all')
rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
In diesem speziellen DataFrame gab es keine Zeilen mit allen NaN-Werten, sodass keine der Zeilen gelöscht wurde.
Beispiel 3: Zeilen unterhalb eines bestimmten Schwellenwerts ablegen
Wir können die folgende Syntax verwenden, um alle Zeilen zu löschen, die nicht mindestens eine bestimmte Anzahl von Nicht-NaN-Werten haben:
df.dropna(thresh=3)
rating points assists rebounds
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
Die allererste Zeile im ursprünglichen DataFrame hatte nicht mindestens 3 Nicht-NaN-Werte, daher war es die einzige Zeile, die gelöscht wurde.
Beispiel 4: Drop Row mit Nan-Werten in einer bestimmten Spalte
Wir können die folgende Syntax verwenden, um alle Zeilen mit einem NaN-Wert in einer bestimmten Spalte zu löschen:
df.dropna(subset=['assists'])
rating points assists rebounds
0 NaN NaN 5.0 11
1 85.0 25.0 7.0 8
2 NaN 14.0 7.0 10
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7
Beispiel 5: Zurücksetzen des Index nach dem Löschen von Zeilen mit NaNs
Wir können die folgende Syntax verwenden, um den Index des DataFrame zurückzusetzen, nachdem die Zeilen mit den NaN-Werten gelöscht wurden:
#tropfen Sie alle Zeilen mit NaN-Werten
df = df.dropna()
# Index von DataFrame zurücksetzen
df = df.reset_index(drop=True)
#Dataframe anzeigen
df
rating points assists rebounds
0 85.0 25.0 7.0 8
1 94.0 27.0 5.0 6
2 90.0 20.0 7.0 9
3 76.0 12.0 6.0 6
4 75.0 15.0 9.0 10
5 87.0 14.0 9.0 10
6 86.0 19.0 5.0 77
Die vollständige Dokumentation zur Funktion dropna() finden Sie hier.
Das könnte Sie auch interessieren:
Strings in Float umwandeln - Pandas
So sortieren Sie Werte in einem Pandas DataFrame
Oft möchten Sie einen Pandas-DataFrame nach einer oder mehreren Spalten sortieren. In diesem Tutorial wird erklärt, wie Sie dies mit der pandas sort_values- Funktion tun.