如果 nan 在 pandas 列中删除 - Python

在 Pandas 中，NaN 表示缺失或未知数据。这些 NaN 值可能会使数据集中的计算和分析产生错误结果。因此，通常需要从 Pandas 列中删除 NaN 值。

以下是在 Pandas 中删除 NaN 值的两种方法：

1. dropna() 函数

使用 Pandas 的 dropna() 函数，可以轻松删除包含 NaN 值的行或列。

示例代码:

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, np.nan, 8],
    'C': [9, 10, 11, 12]})
print("DataFrame before dropping NaN values:")
print(df)

# Drop NaN values in columns
df.dropna(axis=1, inplace=True)
print("\nDataFrame after dropping NaN values in columns:")
print(df)

# Drop NaN values in rows
df.dropna(inplace=True)
print("\nDataFrame after dropping NaN values in rows:")
print(df)

输出结果：

DataFrame before dropping NaN values:
     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  NaN  11
3  4.0  8.0  12

DataFrame after dropping NaN values in columns:
    C
0   9
1  10
2  11
3  12

DataFrame after dropping NaN values in rows:
     A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

2. fillna() 函数

使用 Pandas 的 fillna() 函数，可以将 NaN 值替换为某个值，例如 0 或平均值。

示例代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, np.nan, 8],
    'C': [9, 10, 11, 12]})
print("DataFrame before replacing NaN values:")
print(df)

# Replace NaN values with 0
df.fillna(value=0, inplace=True)
print("\nDataFrame after replacing NaN values:")
print(df)

# Replace NaN values with mean
df['B'].fillna(value=df['B'].mean(), inplace=True)
print("\nDataFrame after replacing NaN values with mean:")
print(df)

输出结果：

DataFrame before replacing NaN values:
     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  NaN  11
3  4.0  8.0  12

DataFrame after replacing NaN values:
     A    B   C
0  1.0  5.0   9
1  2.0  0.0  10
2  0.0  0.0  11
3  4.0  8.0  12

DataFrame after replacing NaN values with mean:
     A    B   C
0  1.0  5.0   9
1  2.0  6.5  10
2  NaN  6.5  11
3  4.0  8.0  12

以上就是在 Pandas 列中删除 NaN 值的两种常用方法。可以根据实际情况选择适合自己的方法。