pandas.DataFrame.dropna

DataFrame.dropna(*, axis=0, how=_NoDefault.no_default, thresh=_NoDefault.no_default, subset=None, inplace=False, ignore_index=False)[source]

Удаление пропущенных значений.

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

Parameters:

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию 0

Определяет, удалять строки или столбцы, содержащие пропущенные значения.

• 0 или ‘index’ : Удалить строки, содержащие пропущенные значения.

• 1 или ‘columns’ : Удалить столбцы, содержащие пропущенные значения.

Разрешен только один ось.

how:{‘any’, ‘all’}, по умолчанию ‘any’

Определяет, удалять строку или столбец из DataFrame, когда у нас есть хотя бы одно пропущенное значение или все пропущенные значения.

• ‘any’ : Если присутствует хотя бы одно пропущенное значение, удалить эту строку или столбец.

• ‘all’ : Если все значения являются пропущенными, удалить эту строку или столбец.

thresh:int, необязательно

Требуется, чтобы много ненулевых значений. Не может быть комбинирован с how.

subset:метка столбца или последовательность меток, необязательно

Метки вдоль другой оси для рассмотрения, например, если вы удаляете строки, это были бы список столбцов для включения.

inplace:bool, по умолчанию False

Изменять DataFrame, а не создавать новый.

ignore_index:bool, по умолчанию False

Если True, результат оси будет помечен 0, 1, …, n - 1.

Добавлена в версии 2.0.0.

Returns:

DataFrame или None

DataFrame с удаленными NA записями или None, если inplace=True.

См. также

DataFrame.isna

Указать пропущенные значения.

DataFrame.notna

Указать существующие (не пропущенные) значения.

DataFrame.fillna

Заменить 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 хотя бы один элемент пропущен.

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

Удалить столбцы, где хотя бы один элемент пропущен.

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

Удалить строки, где все элементы пропущены.

>>> 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 по крайней мере 2 ненулевыми значениями.

>>> 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', 'toy'])
       name        toy       born
1    Batman  Batmobile 1940-04-25
2  Catwoman   Bullwhip        NaT