刪除有遺失值的列用drop或是dropna均無效?
2021/02/27 下午 11:56
探索性資料分析 (EDA) 探討變數之間的關係 (4/28更新)
zera
觀看數：53
回答數：1
收藏數：0
因為老師的題目中有提到要刪除遺失值,所以我使用兩種方法試過都無效: 1. 先用drop，再用loc的方式除去指定欄位有缺失值的資料 df.drop(df.loc[df['Sex']=='NaN'].index, inplace=True) df.drop(df.loc[df['Age']=='NaN'].index, inplace=True) df.drop(df.loc[df['Pclass']=='NaN'].index, inplace=True) 2. 因為發現處理後第888列在Age欄位中還是有顯示NaN的資料缺失的欄位，所以決定再用dropna將任何資料中有缺失的行都刪除 df.dropna(axis=0, how='any') 但是第888行在Age的部分還是存在 網路上看到都是下這些參數去處理缺失值，請問老師我是否有用法上的問題呢?
回答列表
-
2021/02/28 上午 00:47張維元 (WeiYuan)贊同數：0不贊同數：0留言數：1
嗨，你好
關於第一個問題，為什麼不直接使用 dropna 就好了？第二個問題是你要把 drop 後的結果存回去： ``` df = df.dropna(axis=0, how='any') ```
嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 或 技術部落格 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ 以下分享一些我近期發表跟資料科學有關的文章，歡迎大家持續追蹤： ■ 資料分析工具那麼多，該怎麼選？ 🛠️
■ 真．資料團隊與分工
■ 觀察資料的 N 件事 🔖
■ 資料前處理必須要做的事 - 資料清理與型態調整