如何使用python过滤丢失的数据行答案

【问题标题】：How to filter missing data rows using python如何使用python过滤丢失的数据行
【发布时间】：2020-05-21 07:55:37
【问题描述】：

我有一个数据框 df，其中一个名为 mort_acc 的功能缺少数据。我想过滤掉那些包含mort_acc 缺失数据的行，我使用了以下方式

df[df['mort_acc'].apply(lambda x:x == " ")]

没有用。我得到了输出0。所以我使用了下面的lambda方式

df[df['mort_acc'].apply(lambda x:len(x)<0)]

它也不起作用，这次出现错误object of type 'float' has no len()

所以我尝试了这种方式

df[df['mort_acc'].apply(lambda x:x == NaN)]

错误再次发生name 'NaN' is not defined

有人知道怎么做吗？

【问题讨论】：

只使用 np.nan
python 中没有数据类型为 NaN 使用 pd.isna() 检查它是否为 nan
如果没有示例，我们将无法为您提供适当的帮助。（编辑：嗯，显然这次回答者猜对了。）请阅读并申请How to make good reproducible pandas examples。
我认为没有必要为此举一个例子。这个问题很清楚，得到了很多答案。我什至给出了我尝试过的代码。无论如何，如果你投反对票也没关系。

【解决方案1】：

bad_values_row_mask = df['mort_acc'].isna()
df[bad_values_row_mask]

听起来像你想要的，我猜

【讨论】：

【解决方案2】：

python 中没有 NaN 数据类型，使用 pd.isna() 检查它是否为 nan。

df[df['mort_acc'].apply(lambda x:pd.isna(x))]

【讨论】：

【解决方案3】：

这将为您提供列值具有 NaN 值的行。

df[df.mort_acc.isnull()]

【讨论】：