Was ist die richtige Syntax bei der Verwendung von .notnull() in Pandas?

Question

Ich möchte .notnull() für mehrere Spalten eines Datenrahmens verwenden, um die Zeilen zu eliminieren, die "NaN" -Werte enthalten.

Lassen Sie sagen, ich habe folgendes df:

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

Ich habe versucht, diese Syntax zu verwenden, aber es funktioniert nicht? Weißt du, was ich falsch mache?

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

Ich erhalte diese Fehler:

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

Was soll ich tun, um die folgende Ausgabe zu bekommen?

A B C 
0 1 1 1 

Irgendeine Idee?

Answer 1

können Sie erste Teilmenge von Spalten von df[['A','B','C']] wählen, dann gelten notnull und angeben, ob all Werte in der Maske sind 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 

Eine andere Lösung ist aus Ayhan Kommentar mit dropna:

print (df.dropna(subset=['A', 'B', 'C'])) 
    A B C 
0 1.0 1.0 1.0 

was ist das gleiche wie:

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

und bedeutet, dass alle Zeilen gelöscht werden, wobei mindestens ein NaN Wert vorhanden ist.

Answer 2

Sie können mehrere Bedingungen anwenden, indem Sie sie mit dem Operator & kombinieren (dies funktioniert nicht nur für die Funktion notnull()).

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

Alternativ können Sie einfach alle Spalten löschen, die NaN enthalten. Der ursprüngliche DataFrame wird nicht geändert, stattdessen wird eine Kopie zurückgegeben.

df.dropna()