2.用nan替换零，然后删除所有行中数据都为nan的行。之后，将nan替换为零。
前言
拿到一堆数据，首先我们是要对其进行数据的预处理，其中数据存在一些值为空或者是我们不想要的数据，对其进行删除或者是修改数据值。下面是对于该例子进行删除和修改：
>>> df
out[]:
salary age gender
0 10000 23 男
1 15000 34 女
2 23000 21 男
3 0 20 女
4 28500 0 男
5 35000 37 男
一、数据处理
1. df.replace()方法：将”男”用1来表示，”女孩”用0来表示。
>>> df.replace(["男", "女"], [1, 0])
out[]:
salary age gender
0 10000 23 1
1 15000 34 0
2 23000 21 1
3 0 20 0
4 28500 0 1
5 35000 37 1
2. pd.DataFrame.loc（）方法来指定列中数据为0的行:
>>> df = df.loc[~((df['salary'] == 0) | (df['age'] == 0))]
>>> df
out[]:
salary age gender
0 10000 23 1
1 15000 34 0
2 23000 21 1
3 35000 37 1
还可以用：
df = df.loc[df[‘salary’] * df[‘age’] != 0]
二、删除某行方法的使用
1.删除全行都是为0的行
代码如下：
>>> df.loc[~(df==0).all(axis=1)]
看起来比较对称可以这样写：
>>> df.loc[(df!=0).any(axis=1)]
使用dropna方法来删除：
>>> new_df = df[df.loc[:]!=0].dropna()
2.用nan替换零，然后删除所有行中数据都为nan的行。之后，将nan替换为零。
代码如下：
import numpy as np
df = df.replace(0, np.nan)# 把0替换成nan
df = df.dropna(how='all', axis=0)# 删除所有为nan的行
df = df.replace(np.nan, 0)# 再把nan替换成0
3.删除某行中某个值为0的行
代码如下：|
>>> df= df[df['salary'] != 0]
4.使用lambda函数来删除行
代码如下：
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3),
index=['one', 'two', 'three', 'four', 'five'],
columns=list('abc'))
df.loc[['one', 'three']] = 0 # 把第一行和第三行改为0
print(df)
print(df.loc[~df.apply(lambda row: (row==0).all(), axis=1)])
输出为：
要在任 何行中删除所有值为0的列：
new_df = df[df.loc[:]!=0].dropna()
new_df
输出为：
Original: https://blog.csdn.net/ex_6450/article/details/126867123
Author: 小白只对大佬的文章感兴趣
Title: python数据分析—删除value=0的行
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/680066/
转载文章受原作者版权保护。转载请注明原作者出处！