python 中 pandas 中 DataFrame 的 dropna 中的阈值

Question

df1 = pd.DataFrame(np.arange(15).reshape(5,3))
df1.iloc[:4,1] = np.nan
df1.iloc[:2,2] = np.nan
df1.dropna(thresh=1 ,axis=1)

好像没有删除nan值。

    0     1     2
0   0   NaN   NaN
1   3   NaN   NaN
2   6   NaN   8.0
3   9   NaN  11.0
4  12  13.0  14.0

如果我跑步

df1.dropna(thresh=2,axis=1)

为什么会出现以下内容？

    0     2
0   0   NaN
1   3   NaN
2   6   8.0
3   9  11.0
4  12  14.0

我只是不明白 thresh 在这里做什么。如果某一列有多个 nan 值，是否应该删除该列？

Answer 1

thresh=N

要求列至少有

N

非 NaN 才能生存。在第一个示例中，两列都至少有一个非 NaN，因此两者都会存活。在第二个示例中，只有最后一列至少有两个非 NaN，因此它会保留下来，但前一列将被删除。

尝试将

thresh

设置为 4 以更好地了解正在发生的情况。

Answer 2

这将沿列搜索并检查该列是否至少有 1 个非 NaN 值：

df1.dropna(thresh=1 ,axis=1)

因此，列名 1 只有一个非 NaN 值，即 13，但 thresh=2 需要至少 2 个非 NaN，因此该列失败，它将删除该列：

df1.dropna(thresh=2,axis=1)

Answer 3

thresh参数值决定“ROW”中不丢弃所需的非 NAN 值的最小数量。

例如，如果

thresh=5

该行将需要五个非 NAN 值才能删除。