Question

我正在使用python 3.6。

我有一个pandas.core.frame.DataFrame，并希望根据名为“Closed Date”的列是否为空来过滤整个DataFrame。换句话说，如果在“关闭日期”列中为空，则从DataFrame中删除整行。

我现在的代码如下：

data = raw_data.ix[raw_data['Closed Date'].notnull()]

虽然它完成了工作，但我得到了一个温暖的消息说：

C:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

我试过这段代码：

data1 = raw_data.loc[raw_data.notnull(), 'Closed Date']

但是得到这个错误：

ValueError: Cannot index with multidimensional key

我该如何解决这个问题？有什么建议吗？

Answer 1

这应该适合你：

data1 = raw_data.loc[raw_data['Closed Date'].notnull()]

.ix与当前.loc非常相似（这就是为什么正确的.loc语法与您最初使用.ix进行的操作相同的原因）。根据{{3}}的不同之处在于：＆＃34; ix通常会尝试像loc一样行事，但如果索引中不存在标签，那么它就会像iloc一样行为＆＃34;

示例：

以此数据框为例（让我们称之为raw_data）：

Closed Date x 0 1.0 1.0 1 2.0 2.0 2 3.0 NaN 3 NaN 3.0 4 4.0 4.0

raw_data.notnull()返回此DataFrame：

Closed Date x 0 True True 1 True True 2 True False 3 False True 4 True True

您无法根据布尔值的数据框使用.loc进行索引。但是，当您执行raw_data['Closed Date'].notnull()时，最终会得到系列：

0 True 1 True 2 True 3 False 4 True

哪个可以作为一种＆＃34;布尔过滤器传递给.loc＆＃34;申请数据框。

替代解决方案

正如John Clemens所指出的那样，raw_data.dropna(subset=['Closed Date'])可以实现同样的目标。 .dropna方法的this detailed answer概述了在某些情况下如何更灵活（例如，允许使用{{删除任何或所有值均为NaN的行或列1}}论证等...）

使用.loc或.iloc而不是.ix

1 个答案: