Python 熊猫如何在所有浮点列都为NaN时删除行

我有以下几点

AAA BBB CCC DDD ID1 ID2 ID3 ID4
0文本10 NaN 12 NaN
1 txt 10 NaN 12 13
2 txt txt txt NaN NaN NaN NaN

使用以下数据类型

AAA对象
BBB对象
CCC对象
DDD对象
ID1浮动64
ID2浮动64
ID3浮动64
ID4浮动64

是否只有在所有浮点列都为NaN时才有方法删除行

输出：

AAA BBB CCC DDD ID1 ID2 ID3 ID4
0文本10 NaN 12 NaN
1 txt 10 NaN 12 13

我不能使用df.dropna（子集=['ID1'、'ID2'、'ID3'、'ID4']），因为我的真实df有几个动态浮动列

感谢使用get all float columns（获取所有浮点列），然后测试是否有非缺失值，并选择by（按）每行至少有一个非missing值-因此missing float行将被删除：

df1 = df[df.select_dtypes(float).notna().any(axis=1)]
print (df1)
   AAA  BBB  CCC  DDD   ID1  ID2   ID3   ID4
0  txt  txt  txt  txt  10.0  NaN  12.0   NaN
1  txt  txt  txt  txt  10.0  NaN  12.0  13.0

对于pass float列和参数

how='all'

应更改您的解决方案，以测试每行的all

NaN

s：

df1 = df.dropna(subset=df.select_dtypes(float).columns, how='all')
#for return same dataframe 
#df.dropna(subset=df.select_dtypes(float).columns, how='all', inplace=True)

如果可能，多种类型的浮动通过

np进行检查。浮动

：

df1 = df.dropna(subset=df.select_dtypes(np.floating).columns, how='all')

使用

---

我建议使用

include=np.number

，因为它包含所有

float

dtype，这些类型可能都包含

NaN

。使用

include=float

时，您只需获得标准的

npfloat64

dtype

举例说明：

df['ID5'] = np.array([1,2,np.nan], dtype=np.float16)


>>> df.select_dtypes(include=float).columns.tolist()
['ID1', 'ID2', 'ID3', 'ID4']

>>> df.select_dtypes(include=np.number).columns.tolist()
['ID1', 'ID2', 'ID3', 'ID4', 'ID5']

---

您可以将

NaN

替换为

0

，然后删除仅包含

NaN

df.loc[：，~df.replace（0，np.nan）.isna（）.all（）]

---

使用

isna

。您无法使用当前df执行此操作，因为您没有使用

inplace=True

这是一个有缺陷的答案，因为它假设只有64个数据类型。检查我的编辑；p@rafaelc-hmmm，如果使用

df['ID5']=np.array（[1,2，np.nan]）

我的代码工作正常，但如果可能，多个

float

类型需要

print（df.select\u dtypes（include=np.floating）.columns.tolist（））

df['ID5'] = np.array([1,2,np.nan], dtype=np.float16)


>>> df.select_dtypes(include=float).columns.tolist()
['ID1', 'ID2', 'ID3', 'ID4']

>>> df.select_dtypes(include=np.number).columns.tolist()
['ID1', 'ID2', 'ID3', 'ID4', 'ID5']