Python 使用.loc或.iloc代替.ix

我正在使用python 3.6

我有一个

pandas.core.frame.DataFrame

，希望根据名为“Closed Date”的列是否不为空来过滤整个数据帧。换句话说，如果“Closed Date”列中的值为null，则从数据框中删除整行

我现在的代码如下：

data = raw_data.ix[raw_data['Closed Date'].notnull()]

虽然它完成了任务，但我收到了一条温暖的信息，上面说：

C:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

我尝试了以下代码：

data1 = raw_data.loc[raw_data.notnull(), 'Closed Date']

但是得到这个错误：

ValueError: Cannot index with multidimensional key

---

我该如何解决这个问题？有什么建议吗？

这应该对你有用：

data1 = raw_data.loc[raw_data['Closed Date'].notnull()]

.ix

与当前的

.loc

非常相似（这就是为什么正确的

.loc

语法与您最初使用的

.ix

语法相同的原因）。不同之处在于：“ix通常试图表现得像loc，但如果索引中不存在标签，则会倒退到像iloc。”

示例：

以这个数据帧为例（我们称之为

raw\u data

）：

raw\u data.notnull（）

返回此数据帧：

   Closed Date      x
0         True   True
1         True   True
2         True  False
3        False   True
4         True   True

不能使用基于布尔值的数据帧的

.loc

进行索引。但是，如果执行

原始数据['Closed Date'].notnull（）

，则会得到一系列结果：

它可以作为一种“布尔过滤器”传递到

.loc

，以应用于数据帧

替代解决方案

---

正如约翰·克莱门斯所指出的，同样可以通过

raw_data.dropna（subset=['Closed Date']）

实现。

.dropna

方法的示例概述了在某些情况下如何更加灵活（例如，允许使用

how

参数删除任何或所有值均为

NaN

的行或列等）

您可以认为

原始数据。dropna（子集=['Closed Date'）

更加明确。。。（可以扩展到多列，并有

how

选项）。@JonClements我认为这是一个很好的观点，解决了问题的XY性。然而，我喜欢这解释了发生了什么wrong@JonClements诚然，这将导致同样的结果，并且在某些情况下可能会证明更加灵活；OP特别询问了

.loc

和

.iloc

确实-这确实解决了。。。不是说它不。。。意识到这是一个可供选择的选项，它可以在多个栏目上工作，并且如果OP需要，可以在适当的位置操作。@sacul顺便说一句，不要羞于在你的帖子中包含jc的建议。它将使未来的读者更容易阅读（当然是有信用的）。

   Closed Date      x
0         True   True
1         True   True
2         True  False
3        False   True
4         True   True

0     True
1     True
2     True
3    False
4     True