Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.
La función Pandas Index.dropna()
devuelve el índice sin valores NA/NaN. Todos los valores que faltan se eliminan y se devuelve un nuevo objeto que no tiene ningún NaN
valor presente.
Sintaxis: Index.dropna(how=’any’)
Parámetros:
cómo: {‘cualquiera’, ‘todos’}, predeterminado ‘cualquiera’
Si el índice es un índice múltiple, suelte el valor cuando alguno o todos los niveles sean NaN.Devoluciones : válido : Índice
Ejemplo n.º 1: use Index.dropna()
la función para eliminar todos los valores faltantes del índice dado que contiene datos de fecha y hora.
Python3
# importing pandas as pd import pandas as pd # Creating the Index idx = pd.Index(['2015-10-31', '2015-12-02', None, '2016-01-03', '2016-02-08', '2017-05-05', None, '2014-02-11']) # Print the Index idx
Producción :
Descartemos todos los NaN
valores del Índice.
Python3
# drop all missing values. idx.dropna(how ='all')
Producción :
Como podemos ver en la salida, la Index.dropna()
función ha eliminado todos los valores faltantes.
Ejemplo #2: Use Index.dropna()
la función para eliminar todos los valores que faltan en el Índice. El índice contiene datos de tipo string.
Python3
# importing pandas as pd import pandas as pd # Creating the Index idx = pd.Index(['Jan', 'Feb', 'Mar', None, 'May', 'Jun', None, 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']) # Print the Index idx
Producción :
Descartemos todos los valores que faltan.
Python3
# drop the missing values idx.dropna(how ='any')
Salida:
como podemos ver en la salida, se han eliminado todos los valores faltantes de los meses.
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA