直接采用drop函数即可,设置参数axis=0. 参数axis为0表示在0轴(列)上搜索名字为C的对象,然后删除对象C对应的行。
用drop函数设置参数axis=1. 参数axis为1表示在1轴(行)上搜索名字为col2的对象,然后删除对象col2对应的列。
import pandas as pd
# 删除含有空数据的全部行
df4 = pd.read_csv('4.csv', encoding='utf-8')
df4 = df4.dropna()
# 可以通过axis参数来删除含有空数据的全部列
df4 = df4.dropna(axis=1)
# 可以通过subset参数来删除在age和sex中含有空数据的全部行
df4 = df4.dropna(subset=["age", "sex"])
print(df4)
df4 = df4.dropna(subset=['age', 'body','home.dest'])
1、删除一列:
Del df[column] ->df的列直接被删除;
Df.drop(col,axis=1) ->删除一列,不改变原df,重新赋值一个新的df
Df.drop(col,axis=1,inplace=True) ->直接改变原df的值
2、查看df每列数据类型:
Df[col].dtype==‘object’ == True
Df[col].dtype==‘int’ == True
Df[col].dtype==‘float’ == True
3、强制修改df某列类型:
Df[col]=df[col].astype(float) ->将col列改为float类型
4、DataFrame中方差为0的列:
Series=df.var() ## 获取方差series
Lst_col=Series[Series.values == 0].index.tolist()
5、打印异常
try:
Execute()
Exception as err:
Print(err)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)