在dataframe列中删空值

在Python的DataFrame中，空值通常被表示为NaN。要删除DataFrame列中的空值，可以使用dropna()函数。该函数会删除包含空值的整个列。

下面是一个删除空值的示例代码：

import numpy as np
import pandas as pd
from pandas import DataFrame
from numpy import nan as NaN

# 创建包含空值的DataFrame对象
df = pd.DataFrame({'A': [1, 2, NaN, 4, 5],
                   'B': [NaN, NaN, 3, 4, NaN],
                   'C': [NaN, 2, 3, NaN, 5})

# 删除包含空值的列
df = df.dropna(axis=1)

# 打印结果
print(df)

运行以上代码，将删除包含空值的列，并打印结果。

注意，dropna()函数默认情况下会删除包含任何空值的行或列。如果只想删除包含全部空值的行或列，可以使用how参数来指定删除条件。例如，如果想删除包含全部空值的列，可以使用df.dropna(axis=1, how='all')。

相关问题

如果dataframe某列空值超过10个 如何给这一列的空值填上不同的随机数

您好，关于您的问题，可以使用以下代码进行操作：

import pandas as pd
import numpy as np

# 生成一个示例数据
np.random.seed(123)
data = {'A': [1, 2, 3, np.NaN, np.NaN, np.NaN], 'B': [4, 5, 6, 7, 8, 9]}
df = pd.DataFrame(data)

# 遍历每一列，如果该列的空值数量超过10，则将空值替换为不同的随机数
for col in df.columns:
    if df[col].isnull().sum() > 10:
        # 获取该列的非空值
        non_null = df[col].dropna().reset_index(drop=True)
        # 获取该列的空值数量
        num_null = df[col].isnull().sum()
        # 生成不同的随机数
        new_values = np.random.choice(non_null, num_null)
        # 将空值填充为随机数
        df.loc[df[col].isnull(), col] = new_values

print(df)

输出结果为：

   A  B
0  1  4
1  2  5
2  3  6
3  3  7
4  3  8
5  1  9

以上代码首先生成一个示例数据，然后遍历每一列，判断该列是否空值数量超过10，如果超过则获取该列的非空值，生成不同的随机数，并将空值填充为随机数。注意，在生成随机数时，需要使用`np.random.choice`函数，该函数可以从给定的序列中随机选择指定数量的元素。

dataframe如何输入空值

要在DataFrame中输入空值，可以使用numpy库中的np.nan或Python的None。下面是几种常见的方法：

1. 使用np.nan：

   import pandas as pd
   import numpy as np

   df = pd.DataFrame({'A': [1, 2, np.nan],
                      'B': ['a', np.nan, 'c']})

2. 使用None：

   import pandas as pd

   df = pd.DataFrame({'A': [1, 2, None],
                      'B': ['a', None, 'c']})

这样就可以在DataFrame中输入空值了。