Метод dropna

Метод dropna применяется к DataFrame и удаляет строки (или столбцы), содержащие пропущенные значения. По умолчанию удаляются все строки, в которых есть хотя бы одно значение NaN. Метод возвращает новый объект или изменяет исходный в зависимости от параметра inplace.

Синтаксис

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

Основные параметры

Рассмотрим основные параметры метода dropna:

axis - определяет, по какой оси удалять: 0 (строки) или 1 (столбцы)
how - определяет условие удаления: 'any' (удалять, если есть хотя бы один NaN) или 'all' (удалять, если все значения NaN)
thresh - минимальное количество не-NaN значений, которое должно оставаться в строке/столбце
subset - список столбцов для проверки на NaN
inplace - если True, изменяет исходный DataFrame и возвращает None

Пример

Создадим таблицу с пропущенными значениями и удалим все строки, содержащие хотя бы один NaN:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, 2, np.nan, 4, 5],
	'b': [10, np.nan, 30, 40, 50],
	'c': [100, 200, 300, np.nan, 500]
})
res = df.dropna()
print(res)

Результат выполнения кода:

   a	 b	 c
0  1.0  10.0  100.0
4  5.0  50.0  500.0

Пример

Удалим столбцы, в которых все значения являются пропущенными. Для этого используем параметр axis со значением 1 и параметр how со значением 'all':

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, 2, 3, 4, 5],
	'b': [np.nan, np.nan, np.nan, np.nan, np.nan],
	'c': [10, 20, 30, 40, 50]
})
res = df.dropna(axis=1, how='all')
print(res)

Результат выполнения кода:

Пример

Оставим строки, содержащие минимум два не-пропущенных значения. Для этого используем параметр thresh со значением 2:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, np.nan, 30, 40, np.nan],
	'c': [100, 200, np.nan, 400, 500]
})
res = df.dropna(thresh=2)
print(res)

Результат выполнения кода:

   a	 b	 c
0  1.0  10.0  100.0
2  3.0  30.0   NaN
3  NaN  40.0  400.0

Пример

Проверим наличие пропущенных значений только в определенных столбцах с помощью параметра subset:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, 2, np.nan, 4, 5],
	'b': [10, 20, 30, 40, np.nan],
	'c': [100, 200, 300, 400, 500]
})
res = df.dropna(subset=['a', 'b'])
print(res)

Результат выполнения кода:

   a	 b	 c
0  1.0  10.0  100.0
1  2.0  20.0  200.0
3  4.0  40.0  400.0

Пример

Изменим исходный DataFrame, не создавая новый объект. Для этого используем параметр inplace со значением True:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, 4, 5],
	'b': [10, 20, np.nan, 40, 50],
	'c': [100, 200, 300, np.nan, 500]
})
df.dropna(inplace=True)
print(df)

Результат выполнения кода:

   a	 b	 c
0  1.0  10.0  100.0
4  5.0  50.0  500.0

Смотрите также

метод fillna,
который заполняет пропущенные значения
метод isna,
который проверяет значения на NaN
метод notna,
который проверяет значения на не-NaN
метод drop,
который удаляет строки или столбцы по меткам