python - ¿Cómo soltar la columna según el porcentaje NAN para el marco de datos?

pandas dataframe

Question

Para ciertas columnas de df , si el 80% de la columna es NAN .

¿Cuál es el código más simple para soltar esas columnas?

Answer 1

Como se sugiere en los comentarios, si usa sum() en una prueba booleana, puede obtener el número de ocurrencias.

Código:

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]  

Usado como:

del df[get_nan_cols(df, 0.8)]

Answer 2

Puede usar isnull con mean para umbral y luego eliminar columnas mediante boolean indexing con loc (porque eliminar columnas), también necesita la condición invertida, por lo que <.8 significa eliminar todas las columnas >=0.8 :

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

Muestra:

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 desea eliminar columnas por valores mínimos, dropna funciona bien con el parámetro thresh y axis=1 para eliminar columnas:

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

EDITAR: para datos no booleanos

El número total de entradas de NaN en una columna debe ser inferior al 80% del total de entradas:

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

Answer 3

df.dropna(thresh=np.int((100-percent_NA_cols_required)*(len(df.columns)/100)),inplace=True)

Básicamente, pd.dropna toma el número (int) de non_na cols necesarios si se va a eliminar esa fila.