dropna()删除缺失值_Python数据分析之缺失值处理（一）

◆ ◆ ◆  ◆ ◆

前言 数据缺失值的处理，在数据分析前期，即数据处理过程中占着重要的地位，在数据分析面试中被问到的概率也是极大的。 一般情况下，我们对待缺失值有三种处理方式： (1)源数据补录，即通过再次采样或者询问等方式将缺失内容补充完整； (2)缺失值填充，即根据一定的规则将缺失值填充，可选众数、中位数等； (3)删除缺失值，即根据一定的规则将含有缺失值的行或列直接进行删除。 我的会员请教了我关于缺失值的问题，于是我为他整理了一篇详细的文章，讲解一下如何进行缺失值处理。今天这篇文章只是缺失值处理的第一节—— 缺失值的删除 。 dropna

dropna为pandas库下DataFrame的一个方法，用于删除缺失值。基本参数如下：

dropna(self, axis=0, how='any', subset=None, inplace=Fa