Panda di Python Filtraggio di nan da una selezione di dati di una colonna di stringhe

Senza usare groupbycome filtrerei i dati senza NaN?

Supponiamo che io abbia una matrice in cui i clienti inseriranno 'N / A', 'n / a' o una qualsiasi delle sue varianti e altri lo lasceranno vuoto:

import pandas as pd
import numpy as np


df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],
                  'rating': [3., 4., 5., np.nan, np.nan, np.nan],
                  'name': ['John', np.nan, 'N/A', 'Graham', np.nan, np.nan]})

nbs = df['name'].str.extract('^(N/A|NA|na|n/a)')
nms=df[(df['name'] != nbs) ]

produzione:

>>> nms
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

Come filtrare i valori di NaN in modo da ottenere risultati con cui lavorare in questo modo:

  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

Immagino di aver bisogno di qualcosa di simile, ~np.isnanma la tilda non funziona con le stringhe.

Rilasciali e basta:

nms.dropna(thresh=2)

questo lascerà cadere tutte le righe dove ci sono almeno due non NaN.

Quindi puoi rilasciare dove si trova il nome NaN:

In [87]:

nms
Out[87]:
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

[5 rows x 3 columns]
In [89]:

nms = nms.dropna(thresh=2)
In [90]:

nms[nms.name.notnull()]
Out[90]:
  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

[2 rows x 3 columns]

MODIFICARE

In realtà guardando ciò che vuoi originariamente puoi fare proprio questo senza la dropnachiamata:

nms[nms.name.notnull()]

AGGIORNARE

Osservando questa domanda 3 anni dopo, c'è un errore, in primo luogo thresharg cerca almeno nnon NaNvalori, quindi in realtà l'output dovrebbe essere:

In [4]:
nms.dropna(thresh=2)

Out[4]:
  movie    name  rating
0   thg    John     3.0
1   thg     NaN     4.0
3   mol  Graham     NaN

È possibile che mi sia sbagliata 3 anni fa o che la versione di Panda che stavo eseguendo avesse un bug, entrambi gli scenari sono del tutto possibili.

La più semplice di tutte le soluzioni:

filtered_df = df[df['name'].notnull()]

Pertanto, filtra solo le righe che non hanno valori NaN nella colonna 'name'.

Per più colonne:

filtered_df = df[df[['name', 'country', 'region']].notnull().all(1)]

df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],'rating': [3., 4., 5., np.nan, np.nan, np.nan],'name': ['John','James', np.nan, np.nan, np.nan,np.nan]})

for col in df.columns:
    df = df[~pd.isnull(df[col])]

df.dropna(subset=['columnName1', 'columnName2'])