目前我有如下数据:
df_all.head()
Out[2]:
Unnamed: 0 Symbol Date Close Weight
0 4061 A 2016-01-13 36.515889 (0.000002)
1 4062 AA 2016-01-14 36.351784 0.000112
2 4063 AAC 2016-01-15 36.351784 (0.000004)
3 4064 AAL 2016-01-19 36.590483 0.000006
4 4065 AAMC 2016-01-20 35.934062 0.000002
df_all.tail()
Out[3]:
Unnamed: 0 Symbol Date Close Weight
1252498 26950320 nan NaT 9.84 NaN
1252499 26950321 nan NaT 10.26 NaN
1252500 26950322 nan NaT 9.99 NaN
1252501 26950323 nan NaT 9.11 NaN
1252502 26950324 nan NaT 9.18 NaN
df_all.dtypes
Out[4]:
Unnamed: 0 int64
Symbol object
Date datetime64[ns]
Close float64
Weight object
dtype: object
可以看出,我在 nan 的符号中获取值,在 Nat 中获取日期,在 NaN 中获取权重。
我的目标:我想删除任何包含 nan、Nat 或 NaN 的列的行,并得到一个新的 df_clean 作为结果
我似乎无法应用适当的过滤器?我不确定是否必须先转换数据类型(尽管我也试过了)
最佳答案
你可以使用
df_all.replace({'nan': None})[~pd.isnull(df_all).any(axis=1)]
这是因为 isnull
将 NaN
和 NaT
都识别为“空”值。
关于python - 删除包含 NaN、NaTs 和 nans 的任何列的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39112973/