当前位置：首页 > 脚本中心 > python > 详细页面

python数据分析之如何删除value=0的行

时间：2022-12-10来源：www.pcxitongcheng.com作者：电脑系统城

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：

1
2
3
4
5
6
7
8
9 >>> 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。

1
2
3
4
5
6
7
8
9 >>> 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:

1
2
3
4
5
6
7
8 >>> 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：

1	`>>> df.loc[~(df==0).all(axis=1)]`

看起来比较对称可以这样写：

1	`>>> df.loc[(df!=0).any(axis=1)]`

使用dropna方法来删除：

1	`>>> 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：

1
2
3
4 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：|

1	`>>> df=` `df[df['salary'] !=` `0]`

4.使用lambda函数来删除行

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13 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)])