# Pulizia dei dati con dropna() in Pandas La funzione `DataFrame.dropna()` di [Pandas per Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/pandas-di-python/) serve a rimuovere da un DataFrame tutte le righe o le colonne che contengono dati mancanti (NaN). Questa funzione ha quindi un ruolo fondamentale in particolare nella **preparazione e pulizia dei dati**. ## La sintassi di `dropna()` in Pandas La funzione `dropna()` accetta **fino a cinque parametri**. La sintassi di base è particolarmente semplice: ```python DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False, ignore_index=False) ``` ### Parametri applicabili Il comportamento della funzione `DataFrame.dropna()` di Pandas può essere **modificato dai parametri** assegnati. La tabella seguente contiene un riepilogo dei parametri più importanti:
Parametro Descrizione Valore predefinito
`axis` Determina se rimuovere le righe (0 o `index`) o le colonne (1 o `columns`) 0
`how` Specifica se tutti (`all`) o solo alcuni valori (`any`) devono essere NaN `any`
`tresh` Stabilisce il numero minimo di valori non NaN che una riga o una colonna deve avere per non essere rimossa; non combinabile con `how` opzionale
`subset` Determina le righe o colonne da prendere in considerazione opzionale
`inplace` Stabilisce se l’operazione viene eseguita nel DataFrame originale `False`
`ignore_index` Se `True`, gli assi restanti vengono etichettati da 0 a n-1 `False`
## Applicazione di `DataFrame.dropna()` in Pandas La funzione `dropna()` di Pandas è necessaria per pulire i dati prima dell’analisi, rimuovendo le righe o le colonne con valori mancanti. Questo approccio contribuisce a **evitare distorsioni** nelle valutazioni statistiche. Inoltre, in questo modo si **semplifica la creazione di diagrammi** e report, poiché in alcuni casi i valori mancanti possono portare a rappresentazioni errate. ### Rimozione di righe con valori mancanti Nell’esempio di codice seguente prendiamo in considerazione un DataFrame che contiene valori NaN: ```python import pandas as pd import numpy as np # Creazione di un DataFrame con dati di esempio 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) ``` Il DataFrame si presenta così: ```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 ``` Nel passaggio successivo applichiamo la funzione `dropna()` di Pandas: ```python ## Rimozione di tutte le righe che contengono almeno un valore NaN df_cleaned = df.dropna() print(df_cleaned) ``` L’esecuzione del codice dà il seguente risultato: ```none A B C 0 1.0 5.0 9 3 4.0 8.0 12 ``` Rimangono quindi solo la riga zero e la terza riga del DataFrame, perché tutte le altre righe contenevano valori NaN. ### Rimozione di colonne con valori mancanti La rimozione di colonne con valori mancanti funziona allo stesso modo. Non devi far altro che impostare su 1 il parametro `axis` della funzione: ```python ## Rimozione di tutte le colonne che contengono almeno un valore NaN df_cleaned_columns = df.dropna(axis=1) print(df_cleaned_columns) ``` Il risultato mostra che è presente solo la colonna “C”, poiché è l’unica che non contiene un valore NaN: ```none C 0 9 1 10 2 11 3 12 ``` ### Applicazione di `thresh` Se desideri rimuovere solo le righe che hanno meno di due valori non NaN, puoi utilizzare il parametro `thresh`: ```python ## Rimozione di tutte le righe con meno di due valori non NaN df_thresh = df.dropna(thresh=2) print(df_thresh) ``` Dopo aver eseguito il codice, questa volta viene mantenuta anche la prima riga perché contiene due valori non NaN: ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 3 4.0 8.0 12 ``` ### Applicazione di `subset` Il parametro `subset` viene utilizzato per indicare le colonne specifiche in cui cercare i valori mancanti. Vengono rimosse solo le righe che presentano valori mancanti nelle colonne specificate. ```python ## Rimozione di tutte le righe che contengono un valore NaN nella colonna "A": df_subset = df.dropna(subset=['A']) print(df_subset) ``` Come puoi notare, è stata rimossa solo la seconda riga. Il valore NaN nella prima riga viene ignorato sulla base del parametro impostato perché la colonna “B” non è stata presa in considerazione: ```none A B C 0 1.0 5.0 9 1 2.0 NaN 10 3 4.0 8.0 12 ``` Consiglio Nella nostra Digital Guide trovi tanti altri articoli dedicati a Pandas come [DataFrame in Pandas per Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/dataframe-in-pandas-per-python/) e [DataFrame.any() in Pandas per Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/dataframe-any-di-pandas-in-python/). This is a markdown version of: [https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/dataframe-dropna-in-pandas-per-python/](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/dataframe-dropna-in-pandas-per-python/) for AI/LLM consumption.