如果超过 90% 的特征在 pandas 中有缺失值，如何删除整条记录
How to drop entire record if more than 90% of features have missing value in pandas
我有一个名为 df 的 pandas 数据框，其中包含 500 列和 200 万条记录。
我能够删除包含 90% 以上缺失值的列。
但是，如果整条记录中 90% 或更多的列有缺失值，我该如何放入 pandas 整条记录？
我已经看到“R”的类似 post，但我目前正在 python 编码。
您可以在 axis=1 上使用 isna + mean 来查找每一行的 NaN 值百分比。然后 select 小于 0.9（即 90%）的行使用 loc:
out = df.loc[df.isna().mean(axis=1)<0.9]
您可以使用 df.dropna() 并将 thresh 参数设置为与 10% 的列对应的值（non-NA 值的最小数量）。
df.dropna(axis=0, thresh=50, inplace=True)
我有一个名为 df 的 pandas 数据框，其中包含 500 列和 200 万条记录。
我能够删除包含 90% 以上缺失值的列。
但是，如果整条记录中 90% 或更多的列有缺失值，我该如何放入 pandas 整条记录？
我已经看到“R”的类似 post，但我目前正在 python 编码。
您可以在 axis=1 上使用 isna + mean 来查找每一行的 NaN 值百分比。然后 select 小于 0.9（即 90%）的行使用 loc:
out = df.loc[df.isna().mean(axis=1)<0.9]
您可以使用 df.dropna() 并将 thresh 参数设置为与 10% 的列对应的值（non-NA 值的最小数量）。
df.dropna(axis=0, thresh=50, inplace=True)