首先应该判断自己表格中的None的类型
表格中None有两种情况:
(1)空值类型的None。
(2)字符串类型的None,是真实存在的。
处理空值类型的None
df.dropna()方法
#axis=0: 删除包含缺失值(NaN)的行
#axis=1: 删除包含缺失值(NaN)的列
# how=‘any’ :要有缺失值(NaN)出现删除
# how=‘all’: 所有的值都缺失(NaN)才删除
df.dropna(how='all')#删除所有内容均为缺失值的行
df.dropna(axis=1) #丢弃有缺失值的列
df.dropna(axis=1, how = 'all') #丢弃所有列中所有值均缺失的列
df.dropna(axis=0, subset=['datetime', 'values'])#丢弃datetime和values这两列中有缺失值的行
处理字符串类型的None
可以先将“None”值replace为pandas可读取的空值,如nan,然后再用dropna()去掉即可。
df = df.replace(to_replace='None', value=np.nan).dropna()
参考链接 原文链接:https://blog.csdn.net/Shenquanle/article/details/115319674