Question

我有一个csv文件，里面有很多名为"NULL"的字符串，在几列中。

我想在几个特定列的任何中选择（过滤）"NULL"个值的行。

示例：

["Firstname"]   ["Lastname"]    ["Profession"]
"Jeff"          "Goldblum"      "NULL"
"NULL"          "Coltrane"      "Musician"
"Richard"       "NULL"          "Physicist"

在这里，我想过滤df中"NULL" 或 {{1}列中值"Firstname"的（选择）行} - 但如果"Lastname"中的值为"NULL"，则不会。

这设法在一列中过滤字符串（不是"Profession"）：

None

不过，我尝试通过以下方式将df = df[df["Firstname"].str.contains("NULL", case=False)]字符串转换为"NULL"

None

鉴于上述df = df.where((pd.notnull(df)), None) df.columns = df.columns.str.lower()过滤，在转换为str.contains之前，可能更容易在"NULL"字符串中进行过滤？

Answer 1

我认为首先需要replace NULL字符串NaN。然后按isnull检查所选列中的所有NaN值，并按any选择所有行boolean indexing True：

df = df.replace("NULL", np.nan)

print (df[['Firstname','Lastname']].isnull())
  Firstname Lastname
0     False    False
1      True    False
2     False     True

print (df[df[['Firstname','Lastname']].isnull().any(1)])
  Firstname  Lastname Profession
1       NaN  Coltrane   Musician
2   Richard       NaN  Physicist

Answer 2

你可以尝试：

df.replace(to_replace="NULL", value = None)

将"NULL"的所有出现替换为None

Pandas：在几个特定列中的任何一列中过滤具有Null / None / NaN值的行

2 个答案: