我有一个 Pandas DataFrame，其中有很多缺失值，由 np.nan 表示。 。我希望能够返回 DataFrame 中缺少 80% 以上值的行。
到目前为止，我已经尝试过以下方法:
data.loc[lambda x: (len(x.isna()) / len(x.columns)) > .8]
但这显然不是loc当传递 lambda 函数时有效。我对此的解释是，Pandas 只是在每一行上运行一个循环并应用该函数，期望 True或False返回的值分别指示保留或丢弃该行。本质上是一个过滤功能。
是否有 Pandas 的方式来实现我想要的，或者我应该使用普通的 python 吗？
最佳答案
将 dropna 与 thresh 结合使用(thresh:需要许多非 NA 值。)
df.dropna(thresh=len(df.columns)*0.8)
更新:
df[(df.isna().sum(1)/df.shape[1]).gt(0.8)]
关于python - 过滤 Pandas DataFrame 中缺失值的百分比，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52882712/