在 Pandas 中使用 .notnull() 时正确的语法是什么？
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/38702332/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
What is the Right Syntax When Using .notnull() in Pandas?
提问by MEhsan
I want to use .notnull()on several columns of a dataframe to eliminate the rows which contain "NaN" values.
我想.notnull()在数据框的几列上使用来消除包含“NaN”值的行。
Let say I have the following df:
假设我有以下内容df：
A B C
0 1 1 1
1 1 NaN 1
2 1 NaN NaN
3 NaN 1 1
I tried to use this syntax but it does not work? do you know what I am doing wrong?
我尝试使用这种语法但它不起作用？你知道我做错了什么吗？
df[[df.A.notnull()],[df.B.notnull()],[df.C.notnull()]]
I get this Error:
我收到此错误：
TypeError: 'Series' objects are mutable, thus they cannot be hashed
What should I do to get the following output?
我应该怎么做才能获得以下输出？
A B C
0 1 1 1
Any idea?
任何的想法？
回答by jezrael
You can first select subset of columns by df[['A','B','C']], then apply notnulland specify if allvalues in mask are True:
您可以首先通过 选择列的子集df[['A','B','C']]，然后应用notnull并指定all掩码中的值是否为True：
print (df[['A','B','C']].notnull())
A B C
0 True True True
1 True False True
2 True False False
3 False True True
print (df[['A','B','C']].notnull().all(1))
0 True
1 False
2 False
3 False
dtype: bool
print (df[df[['A','B','C']].notnull().all(1)])
A B C
0 1.0 1.0 1.0
Another solution is from Ayhancomment with dropna:
print (df.dropna(subset=['A', 'B', 'C']))
A B C
0 1.0 1.0 1.0
what is same as:
什么是相同的：
print (df.dropna(subset=['A', 'B', 'C'], how='any'))
and means drop all rows, where is at least one NaNvalue.
and 意味着删除所有行，其中至少有一个NaN值。
回答by Jan Trienes
You can apply multiple conditions by combining them with the &operator (this works not only for the notnull()function).
您可以通过将它们与&运算符组合来应用多个条件（这不仅适用于notnull()函数）。
df[(df.A.notnull() & df.B.notnull() & df.C.notnull())]
A B C
0 1.0 1.0 1.0
Alternatively, you can just drop all columns which contain NaN. The original DataFrame is not modified, instead a copy is returned.
或者，您可以删除所有包含NaN. 原始 DataFrame 不会被修改，而是返回一个副本。
df.dropna()
df.dropna()
回答by Sudhin Joseph
You can simply do:
你可以简单地做：
df.dropna()
