如果超过90％的功能在熊猫中缺少价值，如何放弃整个记录
我有一个名为 df 的 pandas 数据框，包含 500 列和 200 万条记录。
我能够删除包含超过 90% 缺失值的列。
但是，如果整个记录中 90% 或更多的列缺少值，我如何才能将整个记录放入 pandas 中呢？
我看过类似的“R”帖子，但我现在正在用 python 编码。
I have a pandas dataframe called df with 500 columns and 2 million records.
I am able to drop columns that contain more than 90% of missing values.
But how can I drop in pandas the entire record if 90% or more of the columns have missing values across the whole record?
I have seen a similar post for "R" but I am coding in python at the moment.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
您可以使用 df.dropna() 并将 thresh 参数设置为与 10% 的列相对应的值（非 NA 值的最小数量）。
You can use
df.dropna()and set thethreshparameter to the value that corresponds to 10% of your columns (the minimum number of non-NA values).您可以在
axis=1上使用isna+mean来查找每行 NaN 值的百分比。然后使用loc选择小于 0.9（即 90%）的行：You could use
isna+meanonaxis=1to find the percentage of NaN values for each row. Then select the rows where it's less than 0.9 (i.e. 90%) usingloc: