在Pandas中使用dropna()函数删除缺失值,要保留缺失值的话,可以使用 ~ 操作符对数据进行取反操作。
示例代码如下:
import pandasas pd
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, np.nan]})
# 取反操作
df = df[~df.isna()]
print(df)
这样就会得到只保留了缺失值的数据了。
在Pandas中使用dropna()函数删除缺失值,要保留缺失值的话,可以使用 ~ 操作符对数据进行取反操作。
示例代码如下:
import pandasas pd
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, np.nan]})
# 取反操作
df = df[~df.isna()]
print(df)
这样就会得到只保留了缺失值的数据了。