如果不使用groupby我如何在没有NaN的情况下过滤数据
假设我有一个矩阵，客户将填写'N/a'、'N/a'或其任何变体，其他人则将其留空：
将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（{'movie'：['thg'，'thg'，'mol'，'mol'，'mol'，'lob'，'lob']，
‘评级’：[3,4,5,np.nan，np.nan，np.nan]，
'姓名'：['John'，np.nan'，N/A'，'Graham'，np.nan，np.nan]}）
nbs=df['name'].str.extract（'^（N/A | NA | NA | N/A）'
nms=df[（df['name']！=nbs）]
输出：
>&燃气轮机&燃气轮机；网络管理系统
电影名称评级
约翰3号
1 thg NaN 4
3摩尔格雷厄姆南
4罗楠楠
5罗南南
我如何筛选出NaN值，以便获得如下结果：
电影名称分级
约翰3号
3摩尔格雷厄姆南
我猜我需要类似于~np.isnan的东西，但是tilda不能处理字符串
放下它们：
nms.dropna（thresh=2）
这将删除至少有两个非NaN的所有行
然后，您可以在名称为NaN的地方删除：
[87]on
：
网络管理系统
Output[87]：
电影名称评级
约翰3号
1 thg NaN 4
3摩尔格雷厄姆南
4罗楠楠
5罗南南
[5行x 3列]
At[89]on：
nms=nms.dropna（阈值=2）
At[90]on：
nms[nms.name.notnull（）]
Output[90]：
电影名称评级
约翰3号
3摩尔格雷厄姆南
[2行x 3列]
编辑
实际上，看看您最初想要的是什么，您就可以这样做，而无需调用dropna：
nms[nms.name.notnull（）]
更新
3年后看这个问题，有一个错误，首先thresharg查找至少nnon-NaN值，因此实际上输出应该是：
[4]on
：
nms.dropna（阈值=2）
Output[4]：
电影名称评级
0 thg约翰3.0
1 thg NaN 4.0
3摩尔格雷厄姆南
可能是3年前我弄错了，或者是我运行的熊猫版本有错误，这两种情况都是完全可能的