过滤掉超过一定数量的 NaN 的行

Question

在 Pandas 数据框中，我想过滤掉所有超过 2 个NaNs 的行。

基本上，我有 4 列，我想只保留至少 2 列具有有限值的那些行。

有人可以建议如何实现这一目标吗？

Answer 1

我有一个稍微不同的问题，即过滤掉具有超过一定数量 NaN 的 列：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a':[1,2,np.nan,4,5], 'b':[np.nan,2,np.nan,4,5], 'c':[1,2,np.nan,np.nan,np.nan], 'd':[1,2,3,np.nan,5]})
df

    a   b   c   d
0   1.0 NaN 1.0 1.0
1   2.0 2.0 2.0 2.0
2   NaN NaN NaN 3.0
3   4.0 4.0 NaN NaN
4   5.0 5.0 NaN 5.0

假设您要过滤掉具有 3 个或更多 Nan 的列：

num_rows = df.shape[0]
drop_cols_with_this_amount_of_nans_or_more = 3
keep_cols_with_at_least_this_number_of_non_nans = num_rows - drop_cols_with_this_amount_of_nans_or_more + 1

df.dropna(axis=1,thresh=keep_cols_with_at_least_this_number_of_non_nans)

输出：（列 c 已按预期删除）：

    a   b   d
0   1.0 NaN 1.0
1   2.0 2.0 2.0
2   NaN NaN 3.0
3   4.0 4.0 NaN
4   5.0 5.0 5.0

Answer 2

您在这里提出了 2 个略有不同的问题。在一般的情况下，他们有不同的答案。

我只想保留至少有 2 列的行 有限值。

df = df.dropna(thresh=2)

这保留行具有 2 个或更多非空值。

---

我想过滤掉所有超过 2 个NaNs 的行

df = df.dropna(thresh=df.shape[1]-2)

这过滤掉具有 2 个或更多 null 值的行。

在您的 4 列示例数据框中，这些操作是等效的，因为 df.shape[1] - 2 == 2。但是，您会注意到与不完全包含 4 列的数据帧存在差异。

---

注意dropna 也有一个subset 参数，如果您希望在应用阈值时仅包含指定的列。例如：

df = df.dropna(subset=['col1', 'col2', 'col3'], thresh=2)

Answer 3

以下应该可以工作

df.dropna(thresh=2)

见online docs

我们在这里所做的是删除任何 NaN 行，其中连续有 2 个或多个非 NaN 值。

例子：

In [25]:

import pandas as pd

df = pd.DataFrame({'a':[1,2,NaN,4,5], 'b':[NaN,2,NaN,4,5], 'c':[1,2,NaN,NaN,NaN], 'd':[1,2,3,NaN,5]})

df

Out[25]:

    a   b   c   d
0   1 NaN   1   1
1   2   2   2   2
2 NaN NaN NaN   3
3   4   4 NaN NaN
4   5   5 NaN   5

[5 rows x 4 columns]

In [26]:

df.dropna(thresh=2)

Out[26]:

   a   b   c   d
0  1 NaN   1   1
1  2   2   2   2
3  4   4 NaN NaN
4  5   5 NaN   5

[4 rows x 4 columns]

编辑

对于上面的示例，它可以工作，但您应该注意，您必须知道列数并适当地设置 thresh 值，我最初以为它是指 NaN 值的数量，但它实际上意味着非 NaN 值。