Soltar columnas vacías en Pandas

En este artículo, intentaremos ver diferentes formas de eliminar la columna vacía, la columna nula y la columna de valor de ceros. Primero, crearemos un marco de datos de muestra y luego realizaremos nuestras operaciones en ejemplos posteriores. Al final, obtendrá un conocimiento sólido sobre cómo manejar esta situación con pandas.

Acercarse:

• Importe la biblioteca de python necesaria.
• Cree un marco de datos de muestra.
• Use el método dropna() de Pandas, le permite al usuario analizar y soltar filas/columnas con valores nulos de diferentes maneras.
• Muestra el marco de datos actualizado.

Sintaxis: DataFrameName.dropna(axis=0, how=’any’, inplace=False)

Parámetros:

• eje: el eje toma un valor int o de string para filas/columnas. La entrada puede ser 0 o 1 para Integer y ‘index’ o ‘columns’ para String.
• how: how toma valor de string de solo dos tipos (‘cualquiera’ o ‘todos’). ‘cualquiera’ elimina la fila/columna si CUALQUIER valor es nulo y ‘todo’ solo elimina si TODOS los valores son nulos.
• inplace: es un booleano que realiza los cambios en el marco de datos en sí mismo si es verdadero.

Data de muestra:

Este es el marco de datos de muestra en el que realizaremos diferentes operaciones.

# import required libraries
import numpy as np
import pandas as pd
  
# create a Dataframe
Mydataframe = pd.DataFrame({'FirstName': ['Vipul', 'Ashish', 'Milan'],
                            "Gender": ["", "", ""],
                            "Age": [0, 0, 0]})
Mydataframe['Department'] = np.nan
  
# show the dataframe
print(Mydataframe)

Producción:

Ejemplo 1:

Eliminar todas las columnas de valores nulos.

# import required libraries
import numpy as np
import pandas as pd
  
# create a Dataframe
Mydataframe = pd.DataFrame({'FirstName': ['Vipul', 'Ashish', 'Milan'],
                            "Gender": ["", "", ""],
                            "Age": [0, 0, 0]})
  
Mydataframe['Department'] = np.nan
  
display(Mydataframe)
  
Mydataframe.dropna(how='all', axis=1, inplace=True)
  
# show the dataframe
display(Mydataframe)

Producción:

Ejemplo 2:

Reemplace todos los lugares vacíos con nulos y luego elimine todas las columnas de valores nulos con la función dropna.

# import required libraries
import numpy as np
import pandas as pd
  
# create a Dataframe
Mydataframe = pd.DataFrame({'FirstName': ['Vipul', 'Ashish', 'Milan'],
                            "Gender": ["", "", ""],
                            "Age": [0, 0, 0]})
  
Mydataframe['Department'] = np.nan
display(Mydataframe)
  
nan_value = float("NaN")
Mydataframe.replace("", nan_value, inplace=True)
  
Mydataframe.dropna(how='all', axis=1, inplace=True)
  
# show the dataframe
display(Mydataframe)

Producción:

Ejemplo 3:

Reemplace todos los lugares de ceros con nulos y luego elimine todas las columnas de valores nulos con la función dropna.

# import required libraries
import numpy as np
import pandas as pd
  
# create a Dataframe
Mydataframe = pd.DataFrame({'FirstName': ['Vipul', 'Ashish', 'Milan'],
                            "Gender": ["", "", ""],
                            "Age": [0, 0, 0]})
  
Mydataframe['Department'] = np.nan
display(Mydataframe)
  
nan_value = float("NaN")
Mydataframe.replace(0, nan_value, inplace=True)
  
Mydataframe.dropna(how='all', axis=1, inplace=True)
  
# show the dataframe
display(Mydataframe)

Producción:

Ejemplo 4:

Reemplace todos los ceros y lugares vacíos con nulos y luego elimine todas las columnas de valores nulos con la función dropna.

# import required libraries
import numpy as np
import pandas as pd
  
# create a Dataframe
Mydataframe = pd.DataFrame({'FirstName': ['Vipul', 'Ashish', 'Milan'],
                            "Gender": ["", "", ""],
                            "Age": [0, 0, 0]})
  
Mydataframe['Department'] = np.nan
display(Mydataframe)
  
nan_value = float("NaN")
Mydataframe.replace(0, nan_value, inplace=True)
Mydataframe.replace("", nan_value, inplace=True)
  
Mydataframe.dropna(how='all', axis=1, inplace=True)
  
# show the dataframe
display(Mydataframe)

Producción: