Python：如何删除一个特定列为空/NaN的行？

15 浏览
0 Comments

Python：如何删除一个特定列为空/NaN的行？

我有一个CSV文件。我读取了它:

import pandas as pd
data = pd.read_csv('my_data.csv', sep=',')
data.head()

它的输出结果如下:

id    city    department    sms    category
01    khi      revenue      NaN       0
02    lhr      revenue      good      1
03    lhr      revenue      NaN       0

我想要删除所有空值/NaN的sms列的行。有什么高效的方法可以做到这一点吗？

admin 更改状态以发布 2023年5月25日
0

2 答案

0 Comments

你可以使用方法dropna 来实现：

data.dropna(axis=0, subset=('sms', ))

详细了解参数，请查阅文档。

当然，有很多种实现方式，而且性能也有一些微小的差异。除非极致性能很重要，否则我最喜欢用dropna()，因为它最表达清晰。

import pandas as pd
import numpy as np
i = 10000000
# generate dataframe with a few columns
df = pd.DataFrame(dict(
    a_number=np.random.randint(0,1e6,size=i),
    with_nans=np.random.choice([np.nan, 'good', 'bad', 'ok'], size=i),
    letter=np.random.choice(list('abcdefghijklmnop'), size=i))
                 )
# using notebook %%timeit
a = df.dropna(subset=['with_nans'])
#1.29 s ± 112 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
# using notebook %%timeit
b = df[~df.with_nans.isnull()]
#890 ms ± 59.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
# using notebook %%timeit
c = df.query('with_nans == with_nans')
#1.71 s ± 100 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

0
0 Comments

使用具有参数子集的dropna指定要检查NaN的列：

data = data.dropna(subset=['sms'])
print (data)
   id city department   sms  category
1   2  lhr    revenue  good         1

使用boolean indexing和notnull的另一种解决方案：

data = data[data['sms'].notnull()]
print (data)
   id city department   sms  category
1   2  lhr    revenue  good         1

使用query的替代方案：

print (data.query("sms == sms"))
   id city department   sms  category
1   2  lhr    revenue  good         1

定时

#[300000 rows x 5 columns]
data = pd.concat([data]*100000).reset_index(drop=True)
In [123]: %timeit (data.dropna(subset=['sms']))
100 loops, best of 3: 19.5 ms per loop
In [124]: %timeit (data[data['sms'].notnull()])
100 loops, best of 3: 13.8 ms per loop
In [125]: %timeit (data.query("sms == sms"))
10 loops, best of 3: 23.6 ms per loop

0