Python pandalar Bir dizi sütunun veri seçiminden nan filtreleme

Kullanmadan groupbyverileri nasıl filtreleyebilirim NaN?

Müşterilerin 'N / A', 'n / a' veya varyasyonlarından herhangi birini dolduracağı ve diğerlerinin boş bırakacağı bir matrisim olduğunu varsayalım:

import pandas as pd
import numpy as np


df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],
                  'rating': [3., 4., 5., np.nan, np.nan, np.nan],
                  'name': ['John', np.nan, 'N/A', 'Graham', np.nan, np.nan]})

nbs = df['name'].str.extract('^(N/A|NA|na|n/a)')
nms=df[(df['name'] != nbs) ]

çıktı:

>>> nms
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

Nasıl böyle sonuçlarla çalışmak için NaN değerleri filtre?

  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

Sanırım böyle bir şeye ihtiyacım var ~np.isnanama tilda iplerle çalışmıyor.

Onları bırakın:

nms.dropna(thresh=2)

bu, en az iki tane olmayan tüm satırları bırakacaktır NaN.

Daha sonra adın olduğu yere bırakabilirsiniz NaN:

In [87]:

nms
Out[87]:
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

[5 rows x 3 columns]
In [89]:

nms = nms.dropna(thresh=2)
In [90]:

nms[nms.name.notnull()]
Out[90]:
  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

[2 rows x 3 columns]

DÜZENLE

Aslında ilk başta ne istediğinize bakmadan sadece bunu yapabilirsiniz dropna:

nms[nms.name.notnull()]

GÜNCELLEME

Bir hata, 3 yıl sonra bu soruya orada olduğu baktığımızda, öncelikle threshen azından için arg görünüyor nolmayan NaNaslında çıkış olmalıdır değerler böylece:

In [4]:
nms.dropna(thresh=2)

Out[4]:
  movie    name  rating
0   thg    John     3.0
1   thg     NaN     4.0
3   mol  Graham     NaN

3 yıl önce yanılmışım ya da çalıştırdığım pandaların versiyonunda bir hata vardı, her iki senaryo da tamamen mümkündür.

Tüm çözümlerden en basitleri:

filtered_df = df[df['name'].notnull()]

Böylece, yalnızca 'ad' sütununda NaN değeri olmayan satırları filtreler.

Birden çok sütun için:

filtered_df = df[df[['name', 'country', 'region']].notnull().all(1)]

df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],'rating': [3., 4., 5., np.nan, np.nan, np.nan],'name': ['John','James', np.nan, np.nan, np.nan,np.nan]})

for col in df.columns:
    df = df[~pd.isnull(df[col])]

df.dropna(subset=['columnName1', 'columnName2'])