Pandas删除缺失数据行并在UDF中实现t/f值二进制编码的方法

你可以通过dropna先清除目标列的缺失行，再做编码转换，示例函数如下：

def binary_encoding(df, encode_cols):
    # 仅删除待编码列包含缺失值的行，避免误删其他列的有效数据
    df = df.dropna(subset=encode_cols).copy()
    # 对指定列做编码映射后转换为int类型
    df[encode_cols] = df[encode_cols].replace({"t": 1, "f": 0}).astype(int)
    return df

使用时把你要处理的4个列名以列表形式传入即可，比如：

# 替换为你实际的4个列名
target_cols = ["列1", "列2", "列3", "列4"]
processed_df = binary_encoding(raw_df, target_cols)

如果你的需求是删除全表所有带缺失值的行，把dropna的subset参数去掉即可：df = df.dropna().copy()

内容的提问来源于stack exchange，提问作者DropKick