Python 筛选DataFrame中缺失值的百分比

我有一个Pandas数据框，其中有许多缺失的值，它们由

np.nan

表示。我希望能够返回数据帧中缺少80%以上值的行

到目前为止，我尝试了以下方法：

data.loc[lambda x: (len(x.isna()) / len(x.columns)) > .8]

但传递lambda函数时，

loc

显然不是这样工作的。我对此的解释是，Pandas只是在每一行上运行一个循环并应用函数，期望得到一个

True

或

False

值，以分别指示保留或放弃该行。本质上是一个过滤函数

---

是否有一种方法可以实现我想要的，或者我应该求助于普通python？

使用

dropna

和

thresh

（thresh：需要很多非NA值。）

更新：

df[(df.isna().sum(1)/df.shape[1]).gt(0.8)]

---

非常感谢。这肯定会对我以后打算做的事情有所帮助，但是这与我最初想要的正好相反。我想显示至少有80%的数据丢失的行，而这显示了至少有80%的数据存在的行。因此，我更感兴趣的是

df.dropna（thresh=len（df.columns）*0.2）

@tomasbasham ok，我将更新ePerfect。多谢各位

df[(df.isna().sum(1)/df.shape[1]).gt(0.8)]