# Guia rápido sobre o método Pandas dropna() A função `DataFrame.dropna()` da Biblioteca Python Pandas é utilizada para eliminar todas as linhas ou colunas de um DataFrame que contenham valores em falta (NaN). É, portanto, uma das principais ferramentas para a **preparação e limpeza de dados**. ## Sintaxe de `dropna()` em Pandas A função `dropna()` do Pandas aceita **até cinco parâmetros** e a sua sintaxe básica é bastante simples: ```python DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False, ignore_index=False) ``` ### Parâmetros relevantes O comportamento da função `DataFrame.dropna()` pode ser **influenciado pelos parâmetros** que lhe são passados. Os parâmetros mais importantes estão resumidos na tabela seguinte:
Parâmetro Descrição Valor padrão
`axis` Determina se as linhas (0 ou `index`) e colunas (1 ou `columns`) são eliminadas 0
`how` Indica se todos os valores devem ser incluídos (`all`) ou apenas alguns valores NaN (`any`) `any`
`tresh` Indica o número mínimo de valores não NaN que uma linha ou coluna deve ter para não ser eliminada. Não pode ser combinado com o parâmetro `how` opcional
`subset` Determina quais linhas ou colunas devem ser consideradas opcional
`inplace` Decide se a operação é realizada no DataFrame original `False`
`ignore_index` Se for verdadeiro ou `True`, os eixos restantes serão rotulados de 0 a n-1 `False`
## Como utilizar `DataFrame.dropna()` O método Pandas é necessário para limpar os dados antes da análise, pois elimina linhas ou colunas com valores em falta. Isso ajuda a **evitar enviesamentos** ao realizar avaliações estatísticas. Além disso, **facilita a criação de gráficos** e relatórios, uma vez que a presença de valores em falta pode causar representações incorretas em alguns casos. ### Eliminar linhas com valores em falta No código a seguir, analisamos um DataFrame que contém valores NaN: ```python import pandas as pd import numpy as np # Creación de un DataFrame con datos de ejemplo data = { 'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, 12] } df = pd.DataFrame(data) print(df) ``` O DataFrame tem a seguinte aparência: ```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 ``` Na etapa seguinte, utiliza-se o método `dropna()` do Pandas: ```python ## Eliminación de todas las filas que contienen al menos un valor NaN df_cleaned = df.dropna() print(df_cleaned) ``` Ao executar o código, obtém-se o seguinte resultado: ```none A B C 0 1.0 5.0 9 3 4.0 8.0 12 ``` Apenas a linha zero e a linha três do DataFrame permanecem, uma vez que as restantes linhas continham valores NaN. ### Eliminação de colunas com valores em falta A eliminação de colunas com valores em falta funciona de forma análoga ao primeiro exemplo. Neste caso, basta definir o parâmetro `axis` da função como 1: ```python ## Eliminación de todas las columnas que contienen al menos un valor NaN df_cleaned_columns = df.dropna(axis=1) print(df_cleaned_columns) ``` No resultado seguinte, podemos observar que apenas resta a coluna «C», porque é a única que não contém nenhum valor NaN: ```none C 0 9 1 10 2 11 3 12 ``` ### Utilização do parâmetro `thresh` Se desejar eliminar apenas as linhas com menos de dois valores não NaN, pode utilizar o parâmetro `thresh`: ```python ## Eliminación de todas las filas con menos de dos valores no NaN df_thresh = df.dropna(thresh=2) print(df_thresh) ``` Depois de executarmos este código, a primeira linha também permanece, pois contém dois valores não NaN: ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 3 4.0 8.0 12 ``` ### Utilização do parâmetro `subset` O parâmetro `subset` é utilizado para especificar em quais colunas serão procurados valores em falta. Apenas serão eliminadas as linhas que tiverem valores em falta nas colunas indicadas. ```python ## Eliminación de todas las filas que contienen un valor NaN en la columna “A”: df_subset = df.dropna(subset=['A']) print(df_subset) ``` Neste caso, apenas a segunda linha foi eliminada. O valor NaN na primeira linha foi ignorado, seguindo o parâmetro definido, porque a coluna «B» não estava incluída: ```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/pt-pt/digitalguide/paginas-web/desenvolvimento-web/metodo-dropna-para-dataframes-do-pandas-em-python/](https://www.ionos.com/pt-pt/digitalguide/paginas-web/desenvolvimento-web/metodo-dropna-para-dataframes-do-pandas-em-python/) for AI/LLM consumption.