web-dev-qa-db-fra.com

Supprimer les colonnes NULL dans un Pandas de trame de données?

J'ai un dataFrame dans pandas et plusieurs des colonnes ont toutes des valeurs nulles. Existe-t-il une fonction intégrée qui me permettra de supprimer ces colonnes?

Merci!

pythonpandas
51
shelly

Oui, dropna. Voir http://pandas.pydata.org/pandas-docs/stable/missing_data.html et le DataFrame.dropna docstring:

Definition: DataFrame.dropna(self, axis=0, how='any', thresh=None, subset=None)
Docstring:
Return object with labels on given axis omitted where alternately any
or all of the data are missing

Parameters
----------
axis : {0, 1}
how : {'any', 'all'}
    any : if any NA values are present, drop that label
    all : if all values are NA, drop that label
thresh : int, default None
    int value : require that many non-NA values
subset : array-like
    Labels along other axis to consider, e.g. if you are dropping rows
    these would be a list of columns to include

Returns
-------
dropped : DataFrame

La commande spécifique à exécuter serait:

df=df.dropna(axis=1,how='all')
94
Wes McKinney

Voici une fonction simple que vous pouvez utiliser directement en passant la trame de données et le seuil

df
'''
     pets   location     owner     id
0     cat  San_Diego     Champ  123.0
1     dog        NaN       Ron    NaN
2     cat        NaN     Brick    NaN
3  monkey        NaN     Champ    NaN
4  monkey        NaN  Veronica    NaN
5     dog        NaN      John    NaN
'''

def rmissingvaluecol(dff,threshold):
    l = []
    l = list(dff.drop(dff.loc[:,list((100*(dff.isnull().sum()/len(dff.index))>=threshold))].columns, 1).columns.values)
    print("# Columns having more than %s percent missing values:"%threshold,(dff.shape[1] - len(l)))
    print("Columns:\n",list(set(list((dff.columns.values))) - set(l)))
    return l


rmissingvaluecol(df,1) #Here threshold is 1% which means we are going to drop columns having more than 1% of missing values

#output
'''
# Columns having more than 1 percent missing values: 2
Columns:
 ['id', 'location']
'''

Créez maintenant une nouvelle trame de données en excluant ces colonnes

l = rmissingvaluecol(df,1)
df1 = df[l]

PS: vous pouvez modifier le seuil selon vos besoins

Étape bonus

Vous pouvez trouver le pourcentage de valeurs manquantes pour chaque colonne (facultatif)

def missing(dff):
    print (round((dff.isnull().sum() * 100/ len(dff)),2).sort_values(ascending=False))

missing(df)

#output
'''
id          83.33
location    83.33
owner        0.00
pets         0.00
dtype: float64
'''
0
Suhas_Pote