{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# Dealing with NaN values #" ] }, { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": [ "import pandas as pd\n", "import numpy as np\n", "from plydata import call" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0NaNNaNNaN
12.02.0NaNNaN
2NaNNaNNaNNaN
34.04.0NaNNaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 NaN NaN NaN\n", "1 2.0 2.0 NaN NaN\n", "2 NaN NaN NaN NaN\n", "3 4.0 4.0 NaN NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df = pd.DataFrame({\n", " 'w': [1, 2, np.nan, 4, 5],\n", " 'x': [np.nan, 2, np.nan, 4, 5],\n", " 'y': [np.nan] * 4 + [5],\n", " 'z': [np.nan] * 5\n", "})\n", "df" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Drop NaN Values ##" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop rows with any NaN values" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
\n", "
" ], "text/plain": [ "Empty DataFrame\n", "Columns: [w, x, y, z]\n", "Index: []" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call(pd.DataFrame.dropna)" ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
\n", "
" ], "text/plain": [ "Empty DataFrame\n", "Columns: [w, x, y, z]\n", "Index: []" ] }, "execution_count": 4, "metadata": {}, "output_type": "execute_result" } ], "source": [ "# You can call method on the dataframe with '.method_name'\n", "df >> call('.dropna')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop rows with all NaN values" ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0NaNNaNNaN
12.02.0NaNNaN
34.04.0NaNNaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 NaN NaN NaN\n", "1 2.0 2.0 NaN NaN\n", "3 4.0 4.0 NaN NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.dropna', how='all')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop rows with NaN values in the x column." ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
12.02.0NaNNaN
34.04.0NaNNaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "1 2.0 2.0 NaN NaN\n", "3 4.0 4.0 NaN NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 6, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.dropna', subset=['x'])" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop and keep rows atleast 3 non-NaN values" ] }, { "cell_type": "code", "execution_count": 7, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 7, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.dropna', thresh=3)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop columns with all NaN values" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxy
01.0NaNNaN
12.02.0NaN
2NaNNaNNaN
34.04.0NaN
45.05.05.0
\n", "
" ], "text/plain": [ " w x y\n", "0 1.0 NaN NaN\n", "1 2.0 2.0 NaN\n", "2 NaN NaN NaN\n", "3 4.0 4.0 NaN\n", "4 5.0 5.0 5.0" ] }, "execution_count": 8, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.dropna', axis=1, how='all')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Drop columns with any NaN values in row 3." ] }, { "cell_type": "code", "execution_count": 9, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wx
01.0NaN
12.02.0
2NaNNaN
34.04.0
45.05.0
\n", "
" ], "text/plain": [ " w x\n", "0 1.0 NaN\n", "1 2.0 2.0\n", "2 NaN NaN\n", "3 4.0 4.0\n", "4 5.0 5.0" ] }, "execution_count": 9, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.dropna', axis=1, subset=[3])" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Fill NaN values ##" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace all NaN values with -1." ] }, { "cell_type": "code", "execution_count": 10, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0-1.0-1.0-1.0
12.02.0-1.0-1.0
2-1.0-1.0-1.0-1.0
34.04.0-1.0-1.0
45.05.05.0-1.0
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 -1.0 -1.0 -1.0\n", "1 2.0 2.0 -1.0 -1.0\n", "2 -1.0 -1.0 -1.0 -1.0\n", "3 4.0 4.0 -1.0 -1.0\n", "4 5.0 5.0 5.0 -1.0" ] }, "execution_count": 10, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call(pd.DataFrame.fillna, -1)" ] }, { "cell_type": "code", "execution_count": 11, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0-1.0-1.0-1.0
12.02.0-1.0-1.0
2-1.0-1.0-1.0-1.0
34.04.0-1.0-1.0
45.05.05.0-1.0
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 -1.0 -1.0 -1.0\n", "1 2.0 2.0 -1.0 -1.0\n", "2 -1.0 -1.0 -1.0 -1.0\n", "3 4.0 4.0 -1.0 -1.0\n", "4 5.0 5.0 5.0 -1.0" ] }, "execution_count": 11, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', -1)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace all NaN values with the first non-NaN value *above in column*" ] }, { "cell_type": "code", "execution_count": 12, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0NaNNaNNaN
12.02.0NaNNaN
22.02.0NaNNaN
34.04.0NaNNaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 NaN NaN NaN\n", "1 2.0 2.0 NaN NaN\n", "2 2.0 2.0 NaN NaN\n", "3 4.0 4.0 NaN NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 12, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', method='ffill')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace all NaN values with the first non-NaN value *below in column*" ] }, { "cell_type": "code", "execution_count": 13, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.02.05.0NaN
12.02.05.0NaN
24.04.05.0NaN
34.04.05.0NaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 2.0 5.0 NaN\n", "1 2.0 2.0 5.0 NaN\n", "2 4.0 4.0 5.0 NaN\n", "3 4.0 4.0 5.0 NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 13, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', method='bfill')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace atmost 2 NaN values with the first non-NaN value *below in column*" ] }, { "cell_type": "code", "execution_count": 14, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.02.0NaNNaN
12.02.0NaNNaN
24.04.05.0NaN
34.04.05.0NaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 2.0 NaN NaN\n", "1 2.0 2.0 NaN NaN\n", "2 4.0 4.0 5.0 NaN\n", "3 4.0 4.0 5.0 NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 14, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', method='bfill', limit=2)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace all NaN values with the first non-NaN value to the *left in the row*" ] }, { "cell_type": "code", "execution_count": 15, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.01.01.01.0
12.02.02.02.0
2NaNNaNNaNNaN
34.04.04.04.0
45.05.05.05.0
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 1.0 1.0 1.0\n", "1 2.0 2.0 2.0 2.0\n", "2 NaN NaN NaN NaN\n", "3 4.0 4.0 4.0 4.0\n", "4 5.0 5.0 5.0 5.0" ] }, "execution_count": 15, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', method='ffill', axis=1)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Replace all NaN values with the first non-NaN value to the *right in the row*" ] }, { "cell_type": "code", "execution_count": 16, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
wxyz
01.0NaNNaNNaN
12.02.0NaNNaN
2NaNNaNNaNNaN
34.04.0NaNNaN
45.05.05.0NaN
\n", "
" ], "text/plain": [ " w x y z\n", "0 1.0 NaN NaN NaN\n", "1 2.0 2.0 NaN NaN\n", "2 NaN NaN NaN NaN\n", "3 4.0 4.0 NaN NaN\n", "4 5.0 5.0 5.0 NaN" ] }, "execution_count": 16, "metadata": {}, "output_type": "execute_result" } ], "source": [ "df >> call('.fillna', method='bfill', axis=1)" ] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.6.1" }, "toc": { "colors": { "hover_highlight": "#DAA520", "running_highlight": "#FF0000", "selected_highlight": "#FFD700" }, "moveMenuLeft": true, "nav_menu": { "height": "66px", "width": "252px" }, "navigate_menu": true, "number_sections": true, "sideBar": true, "threshold": 4, "toc_cell": false, "toc_section_display": "block", "toc_window_display": false, "widenNotebook": false } }, "nbformat": 4, "nbformat_minor": 2 }