# Nettoyer des données avec Pandas dropna() La fonction Python Pandas `DataFrame.dropna()` sert à supprimer d’un DataFrame toutes les lignes ou colonnes qui contiennent des valeurs manquantes (NaN). Elle joue donc un rôle crucial, en particulier dans la **préparation et le nettoyage des données**. ## Syntaxe de Pandas `dropna()` La fonction `dropna()` prend **jusqu’à cinq paramètres**. La syntaxe de base est très simple : ```python DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False, ignore_index=False) ``` ### Paramètres pertinents Le comportement de la fonction Pandas `DataFrame.dropna()` peut être influencé par les **paramètres passés**. Les paramètres les plus importants sont résumés dans le tableau suivant :
Paramètres Description Valeur par défaut
`axis` Détermine si les lignes (0 ou `index`) ou les colonnes (1 ou `columns`) sont supprimées 0
`how` Indique si toutes les valeurs (`all`) ou seulement certaines (`any`) doivent être NaN `any`
`thresh` Indique le nombre minimum de valeurs non-NaN qu’une ligne ou une colonne doit avoir pour ne pas être supprimée `None`
`subset` Détermine quelles lignes ou colonnes doivent être considérées ; si `None`, toutes les colonnes sont prises en compte `None`
`inplace` Détermine si l’opération est effectuée dans le DataFrame d’origine `False`
`ignore_index` Si `True`, les axes restants seront étiquetés de 0 à n-1 `False`
## Application de Pandas `DataFrame.dropna()` Pandas `dropna()` est nécessaire pour nettoyer les données avant une analyse, en supprimant les lignes ou les colonnes avec des valeurs manquantes. Cela aide à **éviter les biais** dans les analyses statistiques. Cette fonction **facilite également la création de graphiques** et de rapports, car les valeurs manquantes peuvent dans certains cas entraîner des représentations erronées. ### Suppression des lignes avec des valeurs manquantes Dans l’exemple de code suivant, nous considérons un DataFrame qui contient des valeurs NaN : ```python import pandas as pd import numpy as np # Création d'un DataFrame avec des données d'exemple données = { 'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, 12] } df = pd.DataFrame(données) print(df) ``` Le DataFrame se présente comme suit : ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 2 NaN NaN 11 3 4.0 8.0 12 ``` Dans l’étape suivante, nous appliquons la fonction Pandas `dropna()` : ```python ## Suppression de toutes les lignes contenant au moins une valeur NaN df_cleaned = df.dropna() print(df_cleaned) ``` L’exécution du code donne le résultat suivant : ```none A B C 0 1.0 5.0 9 3 4.0 8.0 12 ``` Seules les lignes d’index 0 et 3 du DataFrame sont encore présentes, car toutes les autres lignes contenaient des valeurs NaN. ### Suppression des colonnes avec des valeurs manquantes La suppression des colonnes avec des valeurs manquantes fonctionne de la même manière. Pour cela, il suffit de définir le paramètre `axis` de la fonction à 1 : ```python ## Suppression de toutes les colonnes contenant au moins une valeur NaN df_cleaned_columns = df.dropna(axis=1) print(df_cleaned_columns) ``` Dans le résultat, on voit qu’il ne reste que la colonne « C », car elle est la seule à ne pas contenir de valeur NaN : ```none C 0 9 1 10 2 11 3 12 ``` ### Application de `thresh` Si vous ne voulez supprimer que les lignes qui ont moins de deux valeurs non-NaN, vous pouvez utiliser le paramètre `thresh` : ```python ## Suppression de toutes les lignes contenant moins de deux valeurs non-NaN df_thresh = df.dropna(thresh=2) print(df_thresh) ``` Après l’exécution du code, la première ligne est désormais présente, car elle contient deux valeurs non-NaN : ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 3 4.0 8.0 12 ``` ### Utilisation de `subset` Le paramètre `subset` est utilisé pour spécifier les colonnes spécifiques dans lesquelles les valeurs manquantes doivent être recherchées. Seules les lignes qui ont des valeurs manquantes dans les colonnes spécifiées seront supprimées. ```python ## Suppression de toutes les lignes contenant un NaN dans la colonne « A » : df_subset = df.dropna(subset=['A']) print(df_subset) ``` On remarque que seule la ligne d’index 2 a été supprimée, car elle contenait une valeur NaN dans la colonne « A ». Les autres lignes sont conservées, même si elles contiennent des NaN dans d’autres colonnes. ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 3 4.0 8.0 12 ``` This is a markdown version of: [https://www.ionos.com/fr-be/digitalguide/sites-internet/developpement-web/python-pandas-dataframe-dropna/](https://www.ionos.com/fr-be/digitalguide/sites-internet/developpement-web/python-pandas-dataframe-dropna/) for AI/LLM consumption.