python数据分析之如何删除value=0的行
作者:小白只对大佬的文章感兴趣
这篇文章主要给大家介绍了关于python数据分析之如何删除value=0的行的相关资料,文中通过实例代码以及图文介绍的非常详细,对大家学习或者使用Python具有一定的参考学习价值,需要的朋友可以参考下
前言
拿到一堆数据,首先我们是要对其进行数据的预处理,其中数据存在一些值为空或者是我们不想要的数据,对其进行删除或者是修改数据值。下面是对于该例子进行删除和修改:
>>> df out[]: salary age gender 0 10000 23 男 1 15000 34 女 2 23000 21 男 3 0 20 女 4 28500 0 男 5 35000 37 男
一、数据处理
1. df.replace()方法:将“男”用1来表示,“女孩”用0来表示。
>>> df.replace(["男", "女"], [1, 0]) out[]: salary age gender 0 10000 23 1 1 15000 34 0 2 23000 21 1 3 0 20 0 4 28500 0 1 5 35000 37 1
2. pd.DataFrame.loc()方法来指定列中数据为0的行:
>>> df = df.loc[~((df['salary'] == 0) | (df['age'] == 0))] >>> df out[]: salary age gender 0 10000 23 1 1 15000 34 0 2 23000 21 1 3 35000 37 1
还可以用:
df = df.loc[df['salary'] * df['age'] != 0]
二、删除某行方法的使用
1.删除全行都是为0的行
代码如下:
>>> df.loc[~(df==0).all(axis=1)]
看起来比较对称可以这样写:
>>> df.loc[(df!=0).any(axis=1)]
使用dropna方法来删除:
>>> new_df = df[df.loc[:]!=0].dropna()
2.用nan替换零,然后删除所有行中数据都为nan的行。之后,将nan替换为零。
代码如下:
import numpy as np df = df.replace(0, np.nan)# 把0替换成nan df = df.dropna(how='all', axis=0)# 删除所有为nan的行 df = df.replace(np.nan, 0)# 再把nan替换成0
3.删除某行中某个值为0的行
代码如下:|
>>> df= df[df['salary'] != 0]
4.使用lambda函数来删除行
代码如下:
import pandas as pd import numpy as np np.random.seed(0) df = pd.DataFrame(np.random.randn(5,3), index=['one', 'two', 'three', 'four', 'five'], columns=list('abc')) df.loc[['one', 'three']] = 0 # 把第一行和第三行改为0 print(df) print(df.loc[~df.apply(lambda row: (row==0).all(), axis=1)])
输出为:
要在任何行中删除所有值为0的列:
new_df = df[df.loc[:]!=0].dropna() new_df
输出为:
总结
到此这篇关于python数据分析之如何删除value=0行的文章就介绍到这了,更多相关python删除value=0的行内容请搜索脚本之家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脚本之家!