数据准备
import pandas as pd
df = pd.DataFrame([['ABC','Good',1],
['FJZ',None,2],
['FOC','Good',None]
],columns=['Site','Remark','Quantity'])df
注意:上述Remark字段中的数据类型为字符串str类型，空值取值为'None'，Quantity字段中的数据类型为数值型，空值取值为nan
1.筛选指定单列中有空值的数据行
# 语法 df[pd.isnull(df[col])] df[df[col].isnull()]
# 获取Remark字段为None的行 df_isnull_remark = df[df['Remark'].isnull()] # 获取Quantity字段为None的行 df_isnull_quantity = df[df['Quantity'].isnull()]
df_isnull_remark
df_isnull_quantity
提示
筛选指定单列中没有空值的数据行
# 语法 df[pd.notnull(df[col])] df[df[col].notnull()]
# 获取Remark字段为非None的行 df_notnull_remark = df[df['Remark'].notnull()] # 获取Quantity字段为非None的行 df_notnull_quantity = df[df['Quantity'].notnull()]
df_notnull_remark
df_notnull_quantity
2.筛选指定多列中/全部列中满足所有列有空值的数据行
# 语法 df[df[[cols]].isnull().all(axis=1)] df[pd.isnull(df[[cols]]).all(axis=1)]
在df基础上增加一行生成df1
df1 = pd.DataFrame([['ABC','Good',1],
['FJZ',None,2],
['FOC','Good',None],
[None,None,None]
],columns=['Site','Remark','Quantity'])
# 获取df1所有列有空值的数据行 all_df_isnull = df1[df1[['Site','Remark','Quantity']].isnull().all(axis=1)]
all_df_isnull
提示
筛选指定多列中/全部列中满足所有列没有空值的数据行
# 语法 df[df[[cols]].notnull().all(axis=1)] df[pd.notnull(df[[cols]]).all(axis=1)]
# 获取df1所有列没有空值的数据行 all_df_notnull = df1[df1[['Site','Remark','Quantity']].notnull().all(axis=1)]
all_df_notnull
3.筛选指定多列中/全部列中满足任意一列有空值的数据行
# 语法 df[df[[cols]].isnull().any(axis=1)] df[pd.isnull(df[[cols]]).any(axis=1)]
df1(数据源)
# 获取df1所有列中满足任意一列有空值的数据行 any_df_isnull = df1[df1[['Site','Remark','Quantity']].isnull().any(axis=1)]
any_df_isnull
提示
筛选指定多列中/全部列中满足任意一列没有空值的数据行
# 语法 df[df[[cols]].notnull().any(axis=1)] df[pd.notnull(df[[cols]]).any(axis=1)]
# 获取df1所有列中满足任意一列没有空值的数据行 any_df_notnull = df1[df1[['Site','Remark','Quantity']].notnull().any(axis=1)]
any_df_notnull
Numpy里边查找NaN值的话，使用np.isnan()
Pabdas里边查找NaN值的话，使用.isna()或.isnull()
import pandas as pd
import numpy as np
df = pd.DataFrame({'site1': ['a', 'b', 'c', ''],
'site2': ['a', np.nan, '', 'd'],
'site3': ['a', 'b', 'c', 'd']})df
df['contact_site'] = df['site1'] df['site2'] df['site3']
新增数据列后的df
res1 = df[df['site2'].isnull()] res2 = df[df['site2'].isna()] res3 = df[df['site2']=='']
res1
res2
res3
注意:res1和res2的结果相同，说明.isna()和.isnull()的作用等效
到此这篇关于Pandas筛选DataFrame含有空值的数据行的实现的文章就介绍到这了,更多相关Pandas筛选DataFrame空值行内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！