web-dev-qa-db-fra.com

Comment supprimer une colonne en fonction du pourcentage NAN pour le cadre de données?

Pour certaines colonnes de df, si 80% de la colonne est NAN.

Quel est le code le plus simple pour supprimer de telles colonnes?

8
LookIntoEast

Vous pouvez utiliser isnull with mean pour le seuil, puis supprimer les colonnes de boolean indexing avec loc (car remove colonnes), nécessite également l'inversion de la condition - donc <.8 signifie supprimer toutes les colonnes >=0.8:

df = df.loc[:, df.isnull().mean() < .8]

Échantillon:

np.random.seed(100)
df = pd.DataFrame(np.random.random((100,5)), columns=list('ABCDE'))
df.loc[:80, 'A'] = np.nan
df.loc[:5, 'C'] = np.nan
df.loc[20:, 'D'] = np.nan

print (df.isnull().mean())
A    0.81
B    0.00
C    0.06
D    0.80
E    0.00
dtype: float64

df = df.loc[:, df.isnull().mean() < .8]
print (df.head())
         B   C         E
0  0.278369 NaN  0.004719
1  0.670749 NaN  0.575093
2  0.209202 NaN  0.219697
3  0.811683 NaN  0.274074
4  0.940030 NaN  0.175410

Si vous souhaitez supprimer les colonnes par les valeurs minimales dropna working Nice avec les paramètres thresh et axis=1 pour les colonnes remove:

np.random.seed(1997)
df = pd.DataFrame(np.random.choice([np.nan,1], p=(0.8,0.2),size=(10,10)))
print (df)
     0   1    2    3    4    5    6    7   8    9
0  NaN NaN  NaN  1.0  1.0  NaN  NaN  NaN NaN  NaN
1  1.0 NaN  1.0  NaN  NaN  NaN  NaN  NaN NaN  NaN
2  NaN NaN  NaN  NaN  NaN  1.0  1.0  NaN NaN  NaN
3  NaN NaN  NaN  NaN  1.0  NaN  NaN  NaN NaN  NaN
4  NaN NaN  NaN  NaN  NaN  1.0  NaN  NaN NaN  1.0
5  NaN NaN  NaN  1.0  1.0  NaN  NaN  1.0 NaN  1.0
6  NaN NaN  NaN  NaN  NaN  NaN  NaN  NaN NaN  NaN
7  NaN NaN  NaN  NaN  NaN  NaN  NaN  NaN NaN  NaN
8  NaN NaN  NaN  NaN  NaN  NaN  NaN  1.0 NaN  NaN
9  1.0 NaN  NaN  NaN  1.0  NaN  NaN  1.0 NaN  NaN

df1 = df.dropna(thresh=2, axis=1)
print (df1)
     0    3    4    5    7    9
0  NaN  1.0  1.0  NaN  NaN  NaN
1  1.0  NaN  NaN  NaN  NaN  NaN
2  NaN  NaN  NaN  1.0  NaN  NaN
3  NaN  NaN  1.0  NaN  NaN  NaN
4  NaN  NaN  NaN  1.0  NaN  1.0
5  NaN  1.0  1.0  NaN  1.0  1.0
6  NaN  NaN  NaN  NaN  NaN  NaN
7  NaN  NaN  NaN  NaN  NaN  NaN
8  NaN  NaN  NaN  NaN  1.0  NaN
9  1.0  NaN  1.0  NaN  1.0  NaN

EDIT: Pour les données non booléennes

Le nombre total d'entrées NaN dans une colonne doit être inférieur à 80% du nombre total d'entrées:

 df = df.loc[:, df.isnull().sum() < 0.8*df.shape[0]]
20
jezrael

Comme suggéré dans les commentaires, si vous utilisez sum() sur un test booléen, vous pouvez obtenir le nombre d'occurrences.

Code:

def get_nan_cols(df, nan_percent=0.8):
    threshold = len(df.index) * nan_percent
    return [c for c in df.columns if sum(df[c].isnull()) >= threshold]  

Utilisé comme:

del df[get_nan_cols(df, 0.8)]
4
Stephen Rauch
df.dropna(thresh=np.int((100-percent_NA_cols_required)*(len(df.columns)/100)),inplace=True)

Fondamentalement, pd.dropna prend le nombre (int) de non_na cols requis si cette ligne doit être supprimée.

0
rakesh