如何从 df 中删除 nan 而不丢失整行？

Question

G'day，如何在不丢失整行的情况下删除 nan 值？这就是我的样子。df我已经尝试了但这删除了行中的所有内容。pandasdf = schule.dropna()但我必须保持这些价值观，因为在最后，我希望它们向上发展。

Answer 1

它可能会有所帮助。你可以尝试一下!!!!

Answer 2

根据问题陈述，您希望降低 nan 值的优先级，并将非 nan 值置于顶部。

import numpy as np

import pandas as pd

import functools

def drop_and_roll(col, na_position='last', fillvalue=np.nan):

    result = np.full(len(col), fillvalue, dtype=col.dtype)

    mask = col.notnull()

    N = mask.sum()

    if na_position == 'last':

        result[:N] = col.loc[mask]

    elif na_position == 'first':

        result[-N:] = col.loc[mask]

    else:

        raise ValueError('na_position {!r} unrecognized'.format(na_position))

    return result

df = pd.read_table('data', sep='\s{2,}')

print(df.apply(functools.partial(drop_and_roll, fillvalue='')))

Answer 3

假设您要回填值，然后删除任何列中显示的任何重复项，此示例有效：

import pandas as pd

import numpy as np

data = [

    ['POINT_1.1', 'POINT_1.2', pd.NA],

    [pd.NA, pd.NA, 'POINT_1.3'],

    ['POINT_2.1', 'POINT_2.2', pd.NA],

    [pd.NA, pd.NA, 'POINT_2.3']

]

df = pd.DataFrame(data)

df

#            0          1          2

# 0  POINT_1.1  POINT_1.2       <NA>

# 1       <NA>       <NA>  POINT_1.3

# 2  POINT_2.1  POINT_2.2       <NA>

# 3       <NA>       <NA>  POINT_2.3

t = df.T.bfill().T.bfill()

t

#            0          1          2

# 0  POINT_1.1  POINT_1.2  POINT_1.3

# 2  POINT_2.1  POINT_2.2  POINT_2.3

for column in t.columns:

    t = t.drop_duplicates(column)

t

#            0          1          2

# 0  POINT_1.1  POINT_1.2  POINT_1.3

# 2  POINT_2.1  POINT_2.2  POINT_2.3