在熊猫中使用.notnull（）时什么是正确的语法？

我想在数据框的几列上使用.notnull()以消除包含“NaN”值的行。在熊猫中使用.notnull（）时什么是正确的语法？

让说我有以下df：

A B C 
0 1 1 1 
1 1 NaN 1 
2 1 NaN NaN 
3 NaN 1 1

我试图用这个语法，但它不工作？你知道我做错了什么吗？

df[[df.A.notnull()],[df.B.notnull()],[df.C.notnull()]]

我得到这个错误：

TypeError: 'Series' objects are mutable, thus they cannot be hashed

我应该怎么做才能得到下面的输出？

A B C 
0 1 1 1

任何想法？

来源

2016-08-01 MEhsan

你可以做'df.dropna（子= 'A'， 'B'， 'C']）' – ayhan

您可以先通过df[['A','B','C']]选择列的子集，然后应用notnull并指定掩码中all值True：

print (df[['A','B','C']].notnull()) 
     A  B  C 
0 True True True 
1 True False True 
2 True False False 
3 False True True 

print (df[['A','B','C']].notnull().all(1)) 
0  True 
1 False 
2 False 
3 False 
dtype: bool 

print (df[df[['A','B','C']].notnull().all(1)]) 
    A B C 
0 1.0 1.0 1.0

另一种解决方案是从dropnaAyhan评论：

print (df.dropna(subset=['A', 'B', 'C'])) 
    A B C 
0 1.0 1.0 1.0

同样如下：

print (df.dropna(subset=['A', 'B', 'C'], how='any'))

并表示删除所有行，其中至少有一个值为NaN。

来源

2016-08-01 15:12:19 jezrael

感谢有意义......关于'。所有东西（） “那是干什么的？以及它与'.any（）'有什么不同？ – MEhsan

'all'表示检查所有值是否为真，并且'any'表示检查至少一个值是否为真。如果使用'all（1）'或'any（1）'，这意味着检查行，因为它与'all（axis = 1）'或'any（axis = 1）相同' – jezrael

您真棒！非常感谢我的朋友 – MEhsan

您可以通过将它们与&运算符结合使用来应用多个条件（这不仅适用于notnull()函数）。

df[(df.A.notnull() & df.B.notnull() & df.C.notnull())] 
    A B C 
0 1.0 1.0 1.0

或者，你能把它包含NaN所有列。原始DataFrame未被修改，而是返回一个副本。

df.dropna()

来源

2016-08-01 15:17:30

在熊猫中使用.notnull（）时什么是正确的语法？

回答

相关问题