python 取 dataframe 中某列不为 NaN 的行

可以使用pandas库中的dropna()函数来删除包含NaN值的行，也可以使用notnull()函数来获取某列不为NaN的行的布尔值，然后使用布尔值索引来获取对应的行。

以下是两种方法的示例代码：

方法一：使用dropna()函数删除包含NaN值的行

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用dropna()函数删除包含NaN值的行
df = df.dropna(subset=['A'])

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0

方法二：使用notnull()函数获取某列不为NaN的行的布尔值

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用notnull()函数获取某列不为NaN的行的布尔值
mask = df['A'].notnull()

# 使用布尔值索引获取对应的行
df = df[mask]

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0

相关问题

python将DataFrame中某列的0值替换为nan值

你可以使用 Pandas 库中的 `replace()` 方法来将 DataFrame 中某列的 0 值替换为 NaN 值。具体实现步骤如下：

假设你的 DataFrame 名称为 `df`，要将某列名为 `column_name` 的列中的 0 值替换为 NaN 值，可以按照如下代码进行操作：

import pandas as pd

# 将某列的 0 值替换为 NaN 值
df['column_name'].replace(0, pd.np.nan, inplace=True)

其中，`pd.np.nan` 表示 NaN 值，`inplace=True` 表示直接在原 DataFrame 上进行修改。如果不设置 `inplace=True`，则需要将操作后的结果重新赋值给原 DataFrame，如下所示：

df['column_name'] = df['column_name'].replace(0, pd.np.nan)

删除一个dataframe里某列值为nan的所有行

可以使用 Pandas 的 dropna() 方法来删除包含 NaN 值的行。可以指定要删除的列，然后将参数 'subset' 设置为该列名。以下是一个示例代码：

import pandas as pd

# 创建一个包含 NaN 值的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 4, 6, 8, 10],
                   'C': [3, 6, None, 12, None]})

# 删除 C 列值为 NaN 的行
df = df.dropna(subset=['C'])

print(df)

输出:

   A   B     C
0  1   2   3.0
1  2   4   6.0
3  4   8  12.0

在上面的示例中，我们删除了 C 列值为 NaN 的行，结果只保留了包含有效值的行。