在下面的代码中，在 A 列下，foo 和 tog 在 B 列中只有缺失值。但是，我不能简单地使用is_na()过滤所有缺失值，因为有一个条具有缺失值。
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
'tog', 'bar', 'bar'],
'B' : [np.nan, 2, np.nan, 4, np.nan, 6, np.nan],
'C' : [2.0, 5., 8., 1., 2., 9., 3.]})
我试过df.groupby('A').filter(df['B'] == 'NaN')，但返回一个错误：
“系列”对象不可调用。
如何过滤或选择 foo 和 tog？非常感谢！
编辑：我正在清理一个有一些缺失值但分布在很多行中的数据集。因此，我不能只是简单地选择与 A 列对应的命名元素（例如 foo 和 tog）。
换句话说，我需要以下内容
A B C
1 bar 2.0 5.0
3 bar 4.0 1.0
5 bar 6.0 9.0
6 bar NaN 3.0
filter需要一个函数，你可以传递一个函数来检查是否不是所有的值B都是NaN：
df.groupby("A").filter(lambda x: ~x.B.isna().all())
得到
A B C
1 bar 2.0 5.0
3 bar 4.0 1.0
5 bar 6.0 9.0
6 bar NaN 3.0
wherefoo和tog被过滤掉，因为它们在 B 列中包含所有 NaN。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句