Python从字符串列的数据选择中过滤出nan

Question

如果不使用groupby我如何在没有NaN的情况下过滤数据？

假设我有一个矩阵，客户将填写'N/a'、'N/a'或其任何变体，其他人则将其留空：

import pandas as pd
import numpy as np


df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],
                  'rating': [3., 4., 5., np.nan, np.nan, np.nan],
                  'name': ['John', np.nan, 'N/A', 'Graham', np.nan, np.nan]})

nbs = df['name'].str.extract('^(N/A|NA|na|n/a)')
nms=df[(df['name'] != nbs) ]

输出：

>>> nms
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

我如何过滤掉NaN值，这样我就可以得到这样的结果：

  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

我想我需要像~np这样的东西。isnan但是tilda不能处理字符串。

Answer 1

df.dropna(subset=['columnName1', 'columnName2'])

Answer 2

最简单的解决方案：

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

因此，它只过滤掉“name”列中没有NaN值的行。

对于多列：

filtered_df = df[df[['name', 'country', 'region']].notnull().all(1)]

Answer 3

放下它们：

nms.dropna(thresh=2)

这将删除至少有两个非NaN的所有行。

然后，您可以在名称为NaN的地方删除：

In [87]:

nms
Out[87]:
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

[5 rows x 3 columns]
In [89]:

nms = nms.dropna(thresh=2)
In [90]:

nms[nms.name.notnull()]
Out[90]:
  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

[2 rows x 3 columns]

编辑

实际上，看看您最初想要的是什么，您就可以这样做，而无需调用dropna：

nms[nms.name.notnull()]

使现代化

3年后看这个问题，有一个错误，首先阈值arg至少寻找n非NaN值，所以实际上输出应该是：

In [4]:
nms.dropna(thresh=2)

Out[4]:
  movie    name  rating
0   thg    John     3.0
1   thg     NaN     4.0
3   mol  Graham     NaN

可能是3年前我弄错了，或者是我运行的熊猫版本有错误，这两种情况都是完全可能的。