如何使用python dropna

pandas 的设计目标之一是让处理缺失数据的任务变得更容易。 pandas 使用 NaN 作为缺失数据的标记。

python学习网，大量的免费
，欢迎在线学习！

使用dropna使得滤除缺失数据更加得心应手。

dropna常用参数：

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

主要的2个参数：

#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

这两个要配合使用才好。

该功能主要用于过滤掉缺失数据。如果它是一个系列，则返回一个仅包含非空数据和索引值的系列，默认情况下丢弃具有缺失值的行。

xx.dropna()

对于DataFrame:

data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1)       # 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）
data.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行