So löschen Sie Zeilen von Pandas DataFrame, deren Wert in einer bestimmten Spalte NaN ist

Ich habe dies DataFrameund möchte nur die Datensätze, deren EPSSpalte nicht ist NaN:

>>> df
                 STK_ID  EPS  cash
STK_ID RPT_Date                   
601166 20111231  601166  NaN   NaN
600036 20111231  600036  NaN    12
600016 20111231  600016  4.3   NaN
601009 20111231  601009  NaN   NaN
601939 20111231  601939  2.5   NaN
000001 20111231  000001  NaN   NaN

... dh so etwas wie df.drop(....)diesen resultierenden Datenrahmen zu bekommen:

                  STK_ID  EPS  cash
STK_ID RPT_Date                   
600016 20111231  600016  4.3   NaN
601939 20111231  601939  2.5   NaN

Wie mache ich das?

Lassen Sie sich nicht fallen, sondern nehmen Sie die Zeilen, in denen EPS nicht NA ist:

df = df[df['EPS'].notna()]

Diese Frage ist bereits gelöst, aber ...

... berücksichtigen Sie auch die von Wouter in seinem ursprünglichen Kommentar vorgeschlagene Lösung . Die Fähigkeit, fehlende Daten einschließlich zu verarbeiten dropna(), ist explizit in Pandas integriert. Abgesehen von einer potenziell verbesserten Leistung gegenüber der manuellen Ausführung bieten diese Funktionen auch eine Vielzahl von Optionen, die nützlich sein können.

In [24]: df = pd.DataFrame(np.random.randn(10,3))

In [25]: df.iloc[::2,0] = np.nan; df.iloc[::4,1] = np.nan; df.iloc[::3,2] = np.nan;

In [26]: df
Out[26]:
          0         1         2
0       NaN       NaN       NaN
1  2.677677 -1.466923 -0.750366
2       NaN  0.798002 -0.906038
3  0.672201  0.964789       NaN
4       NaN       NaN  0.050742
5 -1.250970  0.030561 -2.678622
6       NaN  1.036043       NaN
7  0.049896 -0.308003  0.823295
8       NaN       NaN  0.637482
9 -0.310130  0.078891       NaN

In [27]: df.dropna()     #drop all rows that have any NaN values
Out[27]:
          0         1         2
1  2.677677 -1.466923 -0.750366
5 -1.250970  0.030561 -2.678622
7  0.049896 -0.308003  0.823295

In [28]: df.dropna(how='all')     #drop only if ALL columns are NaN
Out[28]:
          0         1         2
1  2.677677 -1.466923 -0.750366
2       NaN  0.798002 -0.906038
3  0.672201  0.964789       NaN
4       NaN       NaN  0.050742
5 -1.250970  0.030561 -2.678622
6       NaN  1.036043       NaN
7  0.049896 -0.308003  0.823295
8       NaN       NaN  0.637482
9 -0.310130  0.078891       NaN

In [29]: df.dropna(thresh=2)   #Drop row if it does not have at least two values that are **not** NaN
Out[29]:
          0         1         2
1  2.677677 -1.466923 -0.750366
2       NaN  0.798002 -0.906038
3  0.672201  0.964789       NaN
5 -1.250970  0.030561 -2.678622
7  0.049896 -0.308003  0.823295
9 -0.310130  0.078891       NaN

In [30]: df.dropna(subset=[1])   #Drop only if NaN in specific column (as asked in the question)
Out[30]:
          0         1         2
1  2.677677 -1.466923 -0.750366
2       NaN  0.798002 -0.906038
3  0.672201  0.964789       NaN
5 -1.250970  0.030561 -2.678622
6       NaN  1.036043       NaN
7  0.049896 -0.308003  0.823295
9 -0.310130  0.078891       NaN

Es gibt auch andere Optionen (siehe Dokumente unter http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html ), einschließlich des Löschens von Spalten anstelle von Zeilen.

Ziemlich praktisch!

Ich weiß, dass dies bereits beantwortet wurde, aber nur um eine rein pandasische Lösung für diese spezielle Frage zu finden, im Gegensatz zu der allgemeinen Beschreibung von Aman (die wunderbar war) und für den Fall, dass jemand anderes dies tut:

import pandas as pd
df = df[pd.notnull(df['EPS'])]

Sie können dies verwenden:

df.dropna(subset=['EPS'], how='all', inplace=True)

Einfachste aller Lösungen:

filtered_df = df[df['EPS'].notnull()]

Die obige Lösung ist viel besser als die Verwendung von np.isfinite ()

Sie können die Datenrahmenmethode notnull oder invers von isnull oder numpy.isnan verwenden :

In [332]: df[df.EPS.notnull()]
Out[332]:
   STK_ID  RPT_Date  STK_ID.1  EPS  cash
2  600016  20111231    600016  4.3   NaN
4  601939  20111231    601939  2.5   NaN


In [334]: df[~df.EPS.isnull()]
Out[334]:
   STK_ID  RPT_Date  STK_ID.1  EPS  cash
2  600016  20111231    600016  4.3   NaN
4  601939  20111231    601939  2.5   NaN


In [347]: df[~np.isnan(df.EPS)]
Out[347]:
   STK_ID  RPT_Date  STK_ID.1  EPS  cash
2  600016  20111231    600016  4.3   NaN
4  601939  20111231    601939  2.5   NaN

Einfach und leicht

df.dropna(subset=['EPS'],inplace=True)

Quelle: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html

noch eine andere Lösung, die die Tatsache nutzt, dass np.nan != np.nan:

In [149]: df.query("EPS == EPS")
Out[149]:
                 STK_ID  EPS  cash
STK_ID RPT_Date
600016 20111231  600016  4.3   NaN
601939 20111231  601939  2.5   NaN

Andere Version:

df[~df['EPS'].isna()]

In Datensätzen mit einer großen Anzahl von Spalten ist es noch besser zu sehen, wie viele Spalten Nullwerte enthalten und wie viele nicht.

print("No. of columns containing null values")
print(len(df.columns[df.isna().any()]))

print("No. of columns not containing null values")
print(len(df.columns[df.notna().all()]))

print("Total no. of columns in the dataframe")
print(len(df.columns))

Zum Beispiel enthielt es in meinem Datenrahmen 82 Spalten, von denen 19 mindestens einen Nullwert enthielten.

Außerdem können Sie Spalten und Zeilen automatisch entfernen, je nachdem, welche mehr Nullwerte haben.
Hier ist der Code, der dies intelligent macht:

df = df.drop(df.columns[df.isna().sum()>len(df.columns)],axis = 1)
df = df.dropna(axis = 0).reset_index(drop=True)

Hinweis: Der obige Code entfernt alle Ihre Nullwerte. Wenn Sie Nullwerte möchten, verarbeiten Sie diese zuvor.

Es kann hinzugefügt werden, dass '&' verwendet werden kann, um zusätzliche Bedingungen hinzuzufügen, z

df = df[(df.EPS > 2.0) & (df.EPS <4.0)]

Beachten Sie, dass Pandas bei der Bewertung der Aussagen Klammern benötigen.

Aus irgendeinem Grund hat keine der zuvor eingereichten Antworten für mich funktioniert. Diese grundlegende Lösung hat:

df = df[df.EPS >= 0]

Dabei werden natürlich auch Zeilen mit negativen Zahlen gelöscht. Wenn Sie diese möchten, ist es wahrscheinlich klug, dies auch nachträglich hinzuzufügen.

df = df[df.EPS <= 0]

Eine der Lösungen kann sein

df = df[df.isnull().sum(axis=1) <= Cutoff Value]

Ein anderer Weg kann sein

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

Ich hoffe diese sind nützlich.