刪除多指標為nan（Pandas）的行

Question

我有一個帶有multindex的下表

                       value
userid     date

NaN        2014-06-12   42799
           2014-06-13   47673
           2014-06-14   47042
           2014-06-15   48079
           2014-06-16   44873
           2014-06-17   46586
           2014-06-18   44575
1000000021 2014-06-17   0
1000000024 2014-06-22   20
1000000043 2014-06-12   14
           2014-06-14   22
          .
          .
          .
          .

我想刪除用戶標識為Nan的行。 如果我想再放一行，我可以做

data = data.drop(1000000021)

但

data = data.drop('NaN')
data = data.drop(np.nan)

其他嘗試都會返回不同品種的錯誤。 有沒有一種方法可以刪除行而無需重新索引？

Answer 1

您可以使用df.index.labels[0] == -1標識索引為NaN的行，並使用df.loc選擇其他行：

In [48]: df.loc[~(df.index.labels[0] == -1)]
Out[48]: 
                       value
userid     date             
1000000021 2014-06-17      0
1000000024 2014-06-22     20
1000000043 2014-06-12     14
           2014-06-14     22

使用布爾索引時， df[...] ， df.loc[...]和df.iloc[...]行為均相同。 df[...]通常用於選擇列，因此，如上所述，您可能要避免使用df[...]來選擇行。 這使df.loc和df.iloc成為可行的選擇。 由於df.iloc主要是為了按整數索引選擇而創建的，因此您可能想使用df.loc[...]來按標簽和布爾掩碼進行選擇。 但這只是我的約定-熊貓允許所有這三個。

Answer 2

更容易重置並從框架中掉落，然后設置索引。

In [3]: df =  DataFrame(np.random.randint(0,10,size=16).reshape(-1,1),columns=['value'],index=pd.MultiIndex.from_product([[np.nan,1,2,3],pd.date_range('20130101',periods=4)],names=['first','second']))

In [4]: df
Out[4]: 
                  value
first second           
NaN   2013-01-01      0
      2013-01-02      2
      2013-01-03      9
      2013-01-04      3
1     2013-01-01      8
      2013-01-02      8
      2013-01-03      5
      2013-01-04      3
2     2013-01-01      4
      2013-01-02      1
      2013-01-03      2
      2013-01-04      7
3     2013-01-01      3
      2013-01-02      9
      2013-01-03      3
      2013-01-04      4

In [5]: df.reset_index().dropna(subset=['first']).set_index(['first','second'])
Out[5]: 
                  value
first second           
1     2013-01-01      8
      2013-01-02      8
      2013-01-03      5
      2013-01-04      3
2     2013-01-01      4
      2013-01-02      1
      2013-01-03      2
      2013-01-04      7
3     2013-01-01      3
      2013-01-02      9
      2013-01-03      3
      2013-01-04      4