¿Cómo soltar columnas con valores NaN en Pandas DataFrame?

Nan (no es un número) es un valor de coma flotante que no se puede convertir en otro tipo de datos que se espera que flote. En el análisis de datos, Nan es el valor innecesario que debe eliminarse para analizar correctamente el conjunto de datos. En este artículo, discutiremos cómo eliminar/soltar columnas que tienen valores Nan en el marco de datos de pandas. Tenemos una función conocida como Pandas.DataFrame.dropna() para eliminar columnas que tienen valores Nan.

Sintaxis: DataFrame.dropna(axis=0, how=’any’, thresh=Ninguno, subconjunto=Ninguno, inplace=False)

Ejemplo 1: Descartar todas las columnas con valores NaN/NaT.

# Importing libraries
import pandas as pd
import numpy as np
  
# Creating a dictionary
dit = {'August': [pd.NaT, 25, 34, np.nan, 1.1, 10],
       'September': [4.8, pd.NaT, 68, 9.25, np.nan, 0.9],
       'October': [78, 5.8, 8.52, 12, 1.6, 11], }
  
# Converting it to data frame
df = pd.DataFrame(data=dit)
  
# DataFrame
df

Producción:

# Dropping the columns having NaN/NaT values
df = df.dropna(axis=1)
  
df

Producción:

En el ejemplo anterior, descartamos las columnas ‘agosto’ y ‘septiembre’ ya que contienen valores Nan y NaT.

Ejemplo 2: descartar todas las columnas con cualquier valor NaN/NaT y luego restablecer los índices usando la función df.reset_index() .

# Importing libraries
import pandas as pd
import numpy as np
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000], 
               [np.nan, 36, 74, np.nan],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000], 
               [pd.NaT, 39, 100, np.nan],
               [np.nan, 33, 90.5, 7028000],
               ['K.Peterson', 42, 85, pd.NaT]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list, columns=['Name', 'Age', 
                                        'Weight', 'Salary'])
  
df

Producción:

# Dropping the columns having NaN/NaT values
df = df.dropna(axis=1)
  
# Resetting the indices using df.reset_index()
df = df.reset_index(drop=True)
  
df

Producción:

En el ejemplo anterior, eliminamos las columnas ‘Nombre’ y ‘Salario’ y luego reiniciamos los índices.

Ejemplo 3: 

# Importing libraries
import pandas as pd
import numpy as np
  
# creating and initializing a nested list
age_list = [[np.nan, 1952, 8425333, np.nan, 28.35], 
            ['Australia', 1957, 9712569, 'Oceania', 24.26],
            ['Brazil', 1962, 76039390, np.nan, 30.24],
            [pd.NaT, 1957, 637408000, 'Asia', 28.32], 
            ['France', 1957, 44310863, pd.NaT, 25.21],
            ['India', 1952, 3.72e+08, pd.NaT, 27.36], 
            ['United States', 1957, 171984000, 'Americas', 28.98]]
  
# creating a pandas dataframe
df = pd.DataFrame(age_list, columns=[
                  'Country', 'Year', 'Population', 'Continent', 'lifeExp'])
  
df

Producción:

# Dropping the columns having NaN/NaT values
df = df.dropna(axis=1)
  
# Resetting the indices using df.reset_index()
df = df.reset_index(drop=True)
  
df

Producción:

En el ejemplo anterior, quitamos las columnas ‘País’ y ‘Continente’ ya que contienen valores Nan y NaT.

Ejemplo 4: Descartar todas las columnas con cualquier valor NaN/NaT bajo un índice de etiqueta determinado usando el atributo ‘ subconjunto ‘.

# Importing libraries 
import pandas as pd 
import numpy as np 
  
# Creating a dictionary 
dit = {'August': [10, np.nan, 34, 4.85, 71.2, 1.1], 
       'September': [np.nan, 54, 68, 9.25, pd.NaT, 0.9], 
        'October': [np.nan, 5.8, 8.52, np.nan, 1.6, 11],
       'November': [pd.NaT, 5.8, 50, 8.9, 77, pd.NaT] }
  
# Converting it to data frame
df = pd.DataFrame(data=dit)
  
# data frame
df

Producción:

# Dropping the columns having NaN/NaT values
# under certain label index using  'subset' attribute
df = df.dropna(subset=[3], axis=1)
  
# Resetting the indices using df.reset_index()
df = df.reset_index(drop=True)
  
df

Producción:

En el ejemplo anterior, eliminamos la columna que tiene el índice 3, es decir, ‘Octubre’ usando el atributo de subconjunto.