Python 在Pandas中使用.notnull（）时，正确的语法是什么？

我想在数据帧的几列上使用

.notnull（）

，以消除包含“NaN”值的行

假设我有以下

df

：

  A   B   C
0 1   1   1
1 1   NaN 1
2 1   NaN NaN
3 NaN 1   1

我试图使用这种语法，但它不起作用？你知道我做错了什么吗

df[[df.A.notnull()],[df.B.notnull()],[df.C.notnull()]]

我得到这个错误：

TypeError: 'Series' objects are mutable, thus they cannot be hashed

我应该做什么来获得以下输出

  A   B   C
0 1   1   1

---

有什么想法吗？

您可以首先通过

df[['A'，'B'，'C']]

选择列的子集，然后应用并指定掩码中的值是否为

True

：

print (df[['A','B','C']].notnull())
       A      B      C
0   True   True   True
1   True  False   True
2   True  False  False
3  False   True   True

print (df[['A','B','C']].notnull().all(1))
0     True
1    False
2    False
3    False
dtype: bool

print (df[df[['A','B','C']].notnull().all(1)])
     A    B    C
0  1.0  1.0  1.0

另一个解决方案是通过以下方式进行评论：

什么是相同的：

print (df.dropna(subset=['A', 'B', 'C'], how='any'))

---

和表示删除所有行，其中至少有一个

NaN

值。

您可以通过将多个条件与

&

运算符组合来应用它们（这不仅适用于

notnull（）

函数）

或者，您可以删除包含

NaN

的所有列。不会修改原始数据帧，而是返回一个副本

df.dropna（）

df.dropna（）
谢谢，这很有意义。。。那么
.all（）
这是做什么的呢？它与
.any（）
有什么不同？
all
表示检查所有值是否为真，
any
表示检查至少一个值是否为真。如果使用
all（1）
或
any（1）
则表示检查行，因为它与
all（axis=1）
或
any（axis=1）
相同，您的代码很棒！非常感谢我的朋友很高兴能帮助你！天气真好！您只需执行
df.dropna（子集=['A'，'B'，'C']）
print (df.dropna(subset=['A', 'B', 'C'], how='any'))

df[(df.A.notnull() & df.B.notnull() & df.C.notnull())]
     A    B    C
0  1.0  1.0  1.0