无法使用DataFrame方法删除NaN (null)计数的可接受阈值

Question

我打算使用DataFrame方法将记录从axis=0 (行)中删除，其值超过25%作为NaN。我已经审查了熊猫的官方参考，并提出了以下代码。然而，这并没有给出预期的结果。我遗漏了什么？

同时，使问题可重复地共享数据文件。

参考文献综述：

关于某些相关主题的现有堆栈溢出帖子的

1. https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html
2. Multitude。

代码：

import pandas as pd

df = pd.read_csv('data3.csv')

# Method that doesn't work
df.shape # (628, 123)
df.dropna(thresh=df.shape[1]/ 4, axis=0, inplace=True)
#OR --- df.dropna(thresh=df.shape[1]/ 4, axis=0, subset=list(df.columns), inplace=True)
df.shape # (628, 123)

# Method that works
df.shape # (628, 123)
df = df[(df.isna().sum(axis=1) < df.shape[1]/ 4)]
df.shape # (626, 123)

CSV文件链接： https://wetransfer.com/downloads/57e63e83bd6b62ca8016768bec732f7720201127140326/2a946b

Answer 1

您的所有行至少都有df.shape[1]/ 4 = 30.7非NaN值，这就是为什么您的drop语句不能工作的原因--没有什么可以放在那里的。听起来，从你的操作来看，你至少希望非NaNs的数量是df.shape[1] - df.shape[1]/ 4，这是对你有用的。所以这就是

df.dropna(thresh = df.shape[1] - df.shape[1]/ 4, axis=0).shape

产生

(626, 123)

如你所愿