深入了解pandas刪除空值行

一、dataframe刪除空值行

刪除空值行是數據清洗中必不可少的一部分。在pandas中，可以使用dropna()函數來刪除空值的行。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})
                   
df.dropna(inplace=True)  # inplace參數設為True，可以直接修改原數據
print(df)

上述代碼中，我們首先創建一個包含空值的DataFrame，接著使用dropna()函數刪除空值行，最後輸出處理後的數據。

二、pandas刪除空值的列

與刪除空值行相對應的是刪除空值列。在pandas中，可以使用dropna()函數的axis參數指定刪除空值的列。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})
                   
df.dropna(axis=1, inplace=True)
print(df)

上述代碼中，我們同樣先創建一個包含空值的DataFrame。接著使用dropna()函數並指定axis參數為1，表示刪除列，最後輸出處理後的數據。

三、pandas刪除空白行

除了空值行外，pandas還可以刪除空白行。空白行可能包含有不可見的空白字元。在pandas中，可以使用dropna()函數的how參數設為’all’來刪除所有空白行。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': ['  ', 2, np.nan, 4],
                   'B': ['  ', np.nan, '  ', 8],
                   'C': [9, 10, 11, 12]})
                   
df.replace(' ', np.nan, inplace=True)  # 將空白字元替換為NaN
df.dropna(how='all', inplace=True)  # 刪除所有空白行
print(df)

上述代碼中，我們首先在DataFrame中添加了一些包含空白字元的行。接著使用replace()函數將空白字元替換成NaN，然後使用dropna()函數並指定how參數為’all’來刪除所有空白行，最後輸出處理後的數據。

四、pandas去除空值行

除了刪除空值行外，還有一種操作是去除空值行。去除空值行可以保留原數據，同時也可以減少數據量和提高數據質量。在pandas中，可以使用dropna()函數的thresh參數來指定每行至少含有多少個非空值才保留，從而達到去除空值行的目的。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})
                   
df.dropna(thresh=2, inplace=True)  # 至少含有兩個非空值才保留
print(df)

上述代碼中，我們使用dropna()函數的thresh參數設為2，表示每行至少含有兩個非空值才保留，最後輸出處理後的數據。

五、pandas刪除空值的行

除了dropna()函數外，pandas中還有一種常用的方法是使用boolean indexing。boolean indexing通常用於根據某些條件過濾數據。在pandas中，可以使用isnull()函數和any()函數來實現。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})
                   
df = df[~df.isnull().any(axis=1)]  # 刪除含有空值的行
print(df)

上述代碼中，我們首先使用isnull()函數判斷數據是否為空值，接著使用any()函數和axis參數設為1，表示只要行中有空值，就視為True。最後使用~運算符將True轉為False，得到最終的boolean indexing，即刪除含有空值的行。

六、pandas刪除空列

除了刪除空值行和空白行外，pandas還可以刪除空列。在pandas中，可以使用dropna()函數的axis參數設為1來刪除空列。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})
                   
df.dropna(axis=1, how='all', inplace=True)  # 刪除所有空列
print(df)

上述代碼中，我們使用dropna()函數的how參數設為’all’來刪除所有空列，最後輸出處理後的數據。

七、刪除空值所在行pandas

與除了空白行和空列外的刪除操作相對應的是只刪除含有空值的行。在pandas中，可以使用dropna()函數的subset參數來指定哪些列需要判斷是否含有空值。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, np.nan]})
                   
df.dropna(subset=['A', 'B'], how='any', inplace=True)  # 刪除A和B列中含有空值的行
print(df)

上述代碼中，我們使用dropna()函數的subset參數指定對’A’和’B’列進行操作，同時使用how參數設為’any’表示只要含有空值就進行刪除。

八、pandas刪除指定行

除了刪除空值行外，pandas中還可以刪除指定的行。在pandas中，可以使用drop()函數來實現。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8],
                   'C': [9, 10, 11, 12]})

df.drop([1, 3], axis=0, inplace=True)  # 刪除第1和第3行
print(df)

上述代碼中，我們使用drop()函數的第一個參數指定要刪除的行的索引，第二個參數指定刪除行的維度，即axis參數設為0表示按行刪除，最後使用inplace參數直接修改原數據。

九、pandas刪除含有空值的行

除了刪除特定的行外，pandas中還可以刪除含有空值的行。在pandas中，可以使用boolean indexing。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})

df = df[df.notnull().all(axis=1)]  # 刪除含有空值的行
print(df)

上述代碼中，我們使用notnull()函數判斷數據是否為空值，接著使用all()函數和axis參數設為1，表示整行都非空值才為True。最後使用boolean indexing刪除含有空值的行。

結語

本文分別介紹了pandas刪除空值行的幾種方法，包括刪除空值行、刪除空值列、刪除空白行、去除空值行、刪除空列、刪除指定行、刪除含有空值的行等。同時也對每種方法進行了詳細的講解和代碼示例。希望本文能夠幫助大家更好地進行數據清洗和處理。