Pandas - 排除数字列为 NaN 的行 [重复]

Question

在 Pandas 的数据框中，某些列是数字，而某些行的这些数字列之一是 NaN 的值。

我知道如何选择这些数字列：

df.select_dtypes(include=np.number)

但是如何排除其中一个数字列是 NaN 的这些行？

很抱歉，我之前的描述可能不清楚，所以我添加了更多细节来澄清它。希望可以更清楚。

假设有如下数据框： 共有四列：A、B、C和D。A和C的数据类型是Object，B和D的数据类型是Float。

A(Object)   B(Float)C(Object)   D(Float)
Apple       NaN     String1     1.0
Orange      2.0     NaN         3.0
Banana      4.0     String2     5.0
NaN         1.0     String3     2.0
Pear        NaN     String4     3.0
Melon       2.0     String5     NaN

我们只会删除一些数字列（浮点数）为 NaN 的行，而那些非数字列（对象）为 NaN 的行不应被删除。

最终结果如下：

A(Object)   B(Float)C(Object)   D(Float)
Orange      2.0     NaN         3.0
Banana      4.0     String2     5.0
NaN         1.0     String3     2.0

我正在考虑使用 lambda 和管道。 任何可以提供提示的人将不胜感激！

非常感谢！

Answer 1

让我们试试：

数据

df = pd.DataFrame({'A': [1,np.nan,-2,0,0], 'B': [0, 0, 0, 3, -2], 'C' : [0, 0, -2, np.nan, 0], 'D': [0, -3, 2, 1, -2]} )  

解决方案

df1=df.dropna(0)

Answer 2

df = pd.DataFrame({'A': [1,np.nan,-2,0,0], 'B': [0, 0, 0, 3, -2], 'C' : [0, 0, -2, np.nan, 0], 'D': [0, -3, 2, 1, -2]} )

df.dropna(inplace=True)

0 是默认轴，出于效率原因，首选 inplace - 不复制数据框。