Question

我有数据框-

dfx = pd.DataFrame({
    'city': ['city1', 'city2', 'city3', 'city4'],
    'state':['state1', 'state2', 'state3', 'state4'],
    2005: [144, 205, 123, np.NaN],
    2006: [173, 211, 123, 124],
    2007: [np.NaN, np.NaN, np.NaN,np.NaN],
    2008: [np.NaN, 206, np.NaN,np.NaN],
    2009: [np.NaN, np.NaN, 124, 123],
    2010: [128, 273, np.NaN,  np.NaN]
    })

print(dfx)

我想创建一个具有3个或更多NaN值的行的新数据框。

Answer 1

您可以用DataFrame.isna测试缺失值，并用True计算sum的值，最后用Series.ge过滤boolean indexing中的值是否等于：< / p>

df = dfx[dfx.isna().sum(axis=1).ge(3)]
#if need omit counts for first 2 columns
#df = dfx[dfx.iloc[:, 2:].isna().sum(axis=1).ge(3)]
print (df)
    city   state   2005  2006  2007  2008   2009   2010
0  city1  state1  144.0   173   NaN   NaN    NaN  128.0
2  city3  state3  123.0   123   NaN   NaN  124.0    NaN
3  city4  state4    NaN   124   NaN   NaN  123.0    NaN

详细信息：

print (dfx.isna().sum(axis=1))
0    3
1    2
2    3
3    4
dtype: int64

如何过滤NaN值的数据框并创建那些NaN值的新数据框

1 个答案: