pandas中dropna() 函数的用法

dropna() 函数是 Pandas 中用于删除包含缺失值的行或列的函数。它可以用于数据清洗和数据预处理，去除缺失值，以便进一步分析或建模。

下面是 dropna() 函数的基本语法：

DataFrame.dropna(axis=0, how='any', subset=None, inplace=False, ...)

其中的参数含义如下：

• axis：指定删除缺失值的轴，0 表示删除包含缺失值的行，1 表示删除包含缺失值的列，默认为 0。
• how：指定删除的方式，可选值为 'any' 和 'all'，'any' 表示只要有一个缺失值就删除，'all' 表示全部为缺失值才删除，默认为 'any'。
• subset：用于指定要考虑的列的子集，即在哪些列上查找缺失值，默认为 None，表示在所有列上查找缺失值。
• inplace：指定是否在原地修改 DataFrame，即是否直接修改原始对象而不返回副本，默认为 False。

下面是一些示例说明 dropna() 函数的用法：

假设我们有以下 DataFrame：

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 6, np.nan, 8],
    'C': [10, 11, 12, np.nan]
}
df = pd.DataFrame(data)

删除包含任何缺失值的行：

# 删除包含任何缺失值的行
df_dropped = df.dropna()
print(df_dropped)

删除包含任何缺失值的列：

# 删除包含任何缺失值的列
df_dropped = df.dropna(axis=1)
print(df_dropped)

删除指定列中包含缺失值的行：

# 删除列 'A' 中包含缺失值的行
df_dropped = df.dropna(subset=['A'])
print(df_dropped)

删除全部为缺失值的行：

# 删除全部为缺失值的行
df_dropped = df.dropna(how='all')
print(df_dropped)

通过 dropna() 函数，你可以轻松地删除 DataFrame 中的缺失值，以保持数据的一致性和准确性。