Les Pandas De Filtrage Aucune Valeurs

Je suis en utilisant Pandas à explorer certains ensembles de données. J'ai cette dataframe:

Les Pandas De Filtrage Aucune Valeurs

Je veux exclure toute ligne qui a une valeur city. J'ai donc essayé:

new_df = all_df[(all_df["City"] == "None") ]
new_df

Mais j'ai eu un vide dataframe:

Les Pandas De Filtrage Aucune Valeurs

Il fonctionne à chaque fois que je utiliser n'importe quelle valeur autre que None. Une idée de comment filtrer cette dataframe?

Utilisation None sans les guillemets
Je l'ai essayé.. même résultat
Essayez ensuite all_df["City"] is None
Pourquoi est-il None à tous? C'est une chaîne réelle "None"? Pour moi, c'est NaN si je remplis DataFrame avec None valeurs.
Oui, mon mauvais, en fait, il le remplit avec les NaN valeurs si le type de données est numérique, si le type de données est mixte (objet), alors il y aura None valeurs.

OriginalL'auteur Shadin | 2017-07-15

  1. 37

    Envisager d'utiliser isnull() pour localiser les valeurs

    all_df[all_df['City'].isnull()]
    Pour exclure ces lignes: all_df[~all_df['Ville'].isnull()]
    Vous pouvez également utiliser notnull: all_df[all_df['City'].notnull()]

    OriginalL'auteur tarashypka

  2. 3

    Essayez ceci pour ne sélectionner que les None valeurs pour la colonne ville:

    new_df = all_df['City'][all_df['City'] == "None"]

    Essayer ce pour voir toutes les autres colonnes qui a les mêmes lignes de 'City'==None

    new_df = all_df[all_df['City'] == "None"]
print(new_df.head()) # with function head() you can see the first 5 rows
    Merci! mais lorsque j'imprime le nouveau df-je obtenir: Série([], Nom: Ville, dtype: objet)
    Comment puis-je imprimer correctement?
    Ok, je crois que j'ai à votre question. Vous avez besoin d'imprimer toutes les autres colonnes aussi bien pour la ville==None. J'ai édité les codes. Espérons qu'il sera utile

    OriginalL'auteur imanzabet

  3. 1

    J'espère "where" pouvez faire ce que vous attendez

    new_df = new_df.where(new_df["city"], None)

    Et il est préférable d'utiliser np.nan plutôt que None.

    Pour plus de détails les pandas.DataFrame.où

    OriginalL'auteur Bodhi94