pandas.DataFrame.dropna

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

Удаление пропущенных значений.

См. Руководство пользователя для получения дополнительной информации о том, какие значения считаются пропущенными и как работать с пропущенными данными.

Параметры:

axis : {0 or ‘index’, 1 or ‘columns’}, default 0 Определить, удаляются ли строки или столбцы, содержащие пропущенные значения. 0 или ‘index’ : Удалить строки, содержащие пропущенные значения. 1 или ‘columns’ : Удалить столбцы, содержащие пропущенное значение. Устарело начиная с версии 0.23.0: Передайте кортеж или список для удаления по нескольким осям. Разрешена только одна ось. how : {‘any’, ‘all’}, default ‘any’ Определить, удаляется ли строка или столбец из DataFrame, когда у нас есть хотя бы одно значение NA или все значения NA. ‘any’ : Если присутствуют какие-либо значения NA, удалить эту строку или столбец. ‘all’ : Если все значения NA, удалить эту строку или столбец. thresh : int, optional Требуется, чтобы много значений, отличных от NA. subset : array-like, optional Метки вдоль другой оси для рассмотрения, например, если вы удаляете строки, это был бы список столбцов, которые следует включить. inplace : bool, default False Если True, выполнить операцию на месте и вернуть None.

Возвращает:

DataFrame DataFrame с удаленными из него записями NA.

См. также

DataFrame.isna

Укажите пропущенные значения.

DataFrame.notna

Укажите существующие (не пропущенные) значения.

DataFrame.fillna

Замените пропущенные значения.

Series.dropna

Удалить пропущенные значения.

Index.dropna

Удалить пропущенные индексы.

Примеры

>>> df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
...                    "toy": [np.nan, 'Batmobile', 'Bullwhip'],
...                    "born": [pd.NaT, pd.Timestamp("1940-04-25"),
...                             pd.NaT]})
>>> df
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

Удалить строки, где отсутствует хотя бы один элемент.

>>> df.dropna()
     name        toy       born
1  Batman  Batmobile 1940-04-25

Удалить столбцы, где отсутствует хотя бы один элемент.

>>> df.dropna(axis='columns')
       name
0    Alfred
1    Batman
2  Catwoman

Удалить строки, где все элементы отсутствуют.

>>> df.dropna(how='all')
       name        toy       born
0    Alfred        NaN        NaT
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

Сохранить только строки с не менее чем 2-мя значениями, отличными от NA.

>>> df.dropna(thresh=2)
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT

Определить, в каких столбцах искать пропущенные значения.

>>> df.dropna(subset=['name', 'born'])
       name        toy       born
1    Batman  Batmobile 1940-04-25

Сохранить DataFrame со допустимыми записями в той же переменной.

>>> df.dropna(inplace=True)
>>> df
     name        toy       born
1  Batman  Batmobile 1940-04-25