pandas數(shù)據(jù)清洗如何實現(xiàn)刪除

這篇文章主要介紹“pandas數(shù)據(jù)清洗如何實現(xiàn)刪除”的相關(guān)知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“pandas數(shù)據(jù)清洗如何實現(xiàn)刪除”文章能幫助大家解決問題。

準備工作（導(dǎo)入庫、導(dǎo)入數(shù)據(jù)）

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as  sns
sns.set_style("darkgrid")

list_csv = ['Amazon_top_selling_book.csv','breast_cancer_wisconsin.csv','diamonds.csv','insurance.csv','netflix_titles.csv','penguins.csv',
           'titanic.csv','winequality-red.csv']
dic_path = r'C:\Users\pandas\Desktop\task\228datasets\datasets'
part_data = pd.read_csv(dic_path+'\\'+list_csv[4])
part_data

8807 rows × 12 columns

檢測數(shù)據(jù)情況

Hint:該函數(shù)用于檢測任意DataFrame中缺失值情況

def missing_values_table(df):
        mis_val = df.isnull().sum()
        mis_val_percent = 100 * df.isnull().sum() / len(df)
        mis_val_table = pd.concat([mis_val, mis_val_percent], axis=1)
        mis_val_table_ren_columns = mis_val_table.rename(
        columns = {0 : 'Missing Values', 1 : '% of Total Values'})
        mis_val_table_ren_columns = mis_val_table_ren_columns[
            mis_val_table_ren_columns.iloc[:,1] != 0].sort_values(
        '% of Total Values', ascending=False).round(1)
        print ("Your selected dataframe has " + str(df.shape[1]) + " columns.\n"      
            "There are " + str(mis_val_table_ren_columns.shape[0]) +
              " columns that have missing values.")
        return mis_val_table_ren_columns

missing_values_table(part_data)

Your selected dataframe has 12 columns.
There are 6 columns that have missing values.

DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)

參數(shù)說明：

• labels 就是要刪除的行列的名字，用列表給定

• axis 默認為0，指刪除行，因此刪除columns時要指定axis=1；

• index 直接指定要刪除的行

• columns 直接指定要刪除的列

• inplace=False，默認該刪除操作不改變原數(shù)據(jù)，而是返回一個執(zhí)行刪除操作后的新dataframe；

• inplace=True，則會直接在原數(shù)據(jù)上進行刪除操作，刪除后無法返回。

方式一：刪除指定行或列

labels+axis

demo = part_data.drop(['director'], axis=1)
missing_values_table(demo)

Your selected dataframe has 11 columns.
There are 5 columns that have missing values.

方式二：利用boolean刪除滿足條件元素所在的行

df = df.drop(df[].index)

# 刪除release_year年份在2009年之前的行
demo = part_data.drop(part_data[part_data["release_year"]<2009].index)
demo.shape

(7624, 12)

關(guān)于“pandas數(shù)據(jù)清洗如何實現(xiàn)刪除”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識，可以關(guān)注億速云行業(yè)資訊頻道，小編每天都會為大家更新不同的知識點。