# dropna
[Python] pandas
import pandas DataFrame 기본 사용법 결측값 결측값 처리 방법 **1. 제거(Deletion) : 일반적으로는 결측값을 제거하는 것이 가장 좋은 방법이다. 대치(Imputation) : 결측값을 특정 값(최빈값, 중앙값, 평균)으로 대치하는 것이다. 예측모델 : 회귀 분석 기술이나 기계 학습 방법 등을 활용하는 통계 방법** DataFrame Join (데이터프레임 합치기) **위에 코드에서 DataFrame.merge()를 통해서 데이터프레임을 합치는데, 두 데이터프레임에 있는 공통필드를 기준으로 데이터프레임을 합치는 방식이다. left_on : 왼쪽 데이터프레임에서 공통필드를 작성해 주면 된다. right_on : 오른쪽 데이터프레임에서 공통필드를 작성해 주면 된다. how : "inner", "outer", "left", "right" 중에서 선택해서 작
pandas dropna subset how
dropna에서 subset으로 drop 여부를 결정할 컬럼을 설정한 뒤 how 설정 여부 차이 how = 'any' 설정된 컬럼에서 결측치가 하나만 있어도 삭제된다. how = 'all' 지정된 컬럼에서 모두 결측지에 해당되는 경우에만 삭제한다.
n213
'NoneType' object is not subscriptable 원인 : df = df.drop으로 썼음 해결 : df.drop(i, axis=1, inplace=True) 이렇게 작성함 dropna 원하는 행은 꼭 subset=['컬럼명'] 중복제거
[Pandas] 결측값 관련 - isnull()/isna(), dropna(), fillna(), notna()
df.isnull() : 각 행/열 별 결측 여부, True(있음)/False(없음) (+) df.colname.isnull() : 'colname' 컬럼의 행별 결측 여부, True(있음)/False(없음) (+) df[df.colname.isnull()] : 'colname' 컬럼에서 결측값을 가진 행 추출 (+) df.isnull().sum() : 각 컬럼 별 결측값이 있는 행의 수 \* .isnull()은 .isna()의 별칭으로 같은 기능을 함 [Example] [1] 결측치를 제외한 인덱스 유지 [2] 결측치 인덱스를 제거하고 남은 인덱스 추출 > df.dropna() OR df.dropna(axis=0) : 결측값이 있는 행 제거, 0 대신 'rows'나 'index' 가능 (+) df.dropna(axis=1) : 결측값이 있는 열 제거, 1 대신 'columns' 가능 > df.fillna() : 결측값 채우기 (+) df.
pandas 결측치 제거할 때 row에 값이 하나라도 있으면 제거하지 않기
판다스에서 결측치, Nan data를 제거할 때 그냥 dropna()를 하면 Nan이 있는 데이터 들이 전부 삭제 되는데 dropna(axis = 1) or dropna(axis = 0)을 작성하면 row나 column 기준으로 삭제 된다. 하지만 내가 원했던 것은 row를 기준으로 Nan의 값이 하나라도 있으면 삭제하지 않는 것이다. dropna(thresh=1)를 사용하면 된다. 그냥 dropna ()를 하면 nan이 없는 데이터만 남는다. 만약 axis에 column이나 row으로 넣어 주는 경우 column이나 row를 기준으로 삭제 된다. 위의 경우는 이미 알고 있었고 나는 row에 Nan의 개수가 몇개냐에 따라 제거가 필요했다. pandas 공식 문서를 보니 thresh를 활용하면 가져야하는 데이터의 개수를 기준으로 데이터를 남기고 결측치들을 제거 할 수 있다. 자세한 내용은 [pandas.DataFrame.dropna](http
데이터프레임에 Null 값이 있는지 확인하는 방법은 .isnull().sum()을 사용
데이터프레임에서 Null을 제거할 때는 dropna() 함수
