python pandas对NAN（Missing Data）的数据的处理

pandas对缺失的数据的处理的主要方法有3个，分别是fillna（），dropna（），以及isna（）三个方法。今天主要讲解dropna（）方法，该方法主要就是对空数据进行删除。
例如：有如下表格

1、axis参数：

• 0, or ‘index’ : Drop rows which contain missing values.
• 1, or ‘columns’ : Drop columns which contain missing value.

* >>> import pandas as pd
>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      NaN         32  124.0
2   jiken     89.0         89    NaN
3   jiken     89.0         89  125.0
# 默认axis=0即删除包含NaN值的行
>>> df.dropna()
    name  Chinese  Chinese.1     id
0    bob     12.0         12  123.0
3  jiken     89.0         89  125.0
# axis=1 即删除包含NaN值的列
>>> df.dropna(axis=1)
     name  Chinese.1
0     bob         12
1  millor         32
2   jiken         89
3   jiken         89

（2）how参数

how : {‘any’, ‘all’}, default ‘any’

• ‘any’ : If any NA values are present,
  drop that row or column.
  （只要包含一个NaN则删除整行或者整列）
• ‘all’ : If all values are NA, drop that row or column.

# 当指定how为 all时，则没有一个符合条件
>>> df.dropna(how='all')
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      NaN         32  124.0
2   jiken     89.0         89    NaN
3   jiken     89.0         89  125.0

（3）thresh参数
该参数是当how参数无法满足需求时，可以使用，它的意思是每行或者每列必须包含多少个NaN时才会做删除操作

# 指定个数为2并不会做任何删除操作
>>> df.dropna(thresh=2)
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      NaN         32  124.0
2   jiken     89.0         89    NaN
3   jiken     89.0         89  125.0

（4）inplace参数
该参数的主要作用是是否用新得到的DataFrame替代原来的，默认是否

>>> df
     name  Chinese  Chinese.1     id
0     bob     12.0         12  123.0
1  millor      NaN         32  124.0
2   jiken     89.0         89    NaN
3   jiken     89.0         89  125.0
>>> df.dropna(inplace=True)
>>> df
    name  Chinese  Chinese.1     id
0    bob     12.0         12  123.0
3  jiken     89.0         89  125.0

哈哈，以上就是关于dropna参数的介绍，欢迎关注：python小工具。让我们一起为实现办公自动化努力。