Python:Pandas删除特定行——dropna的用法

dropna() 是Pandas库中的一个非常实用的函数，用于处理缺失数据。它允许你从DataFrame或Series中删除含有缺失值（NaN，None等）的行或列。以下是**dropna()函数**的一些基本用法和参数介绍：

一、基本语法

python 复制代码

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

参数解释

axis：指定删除操作是在行（0，默认值）还是列（1）。如果数据结构是一维的Series，这个参数会被忽略。
how：定义判断缺失值的标准。
- 'any'（默认）：只要某行/列包含任何一个NaN值，就删除该行/列。
- 'all'：仅当某行/列的所有值都是NaN时，才删除该行/列。
thresh：设置一个阈值，表示最少非NaN值的数量。只有当某行/列的非NaN值数量大于等于这个阈值时，才保留该行/列。
subset：指定考虑哪些列来进行缺失值检查。如果未提供，则检查整个DataFrame。
inplace：如果设置为True，将会直接在原始DataFrame上进行修改，而不是返回一个新的DataFrame。

二、示例

python 复制代码

# 假设我们有一个包含缺失值的DataFrame df
import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4],
        'B': [5, np.nan, np.nan, 8],
        'C': [9, 10, 11, 12]}
df = pd.DataFrame(data)

# 删除任何含有缺失值的行
df_cleaned = df.dropna()

# 删除所有值都是缺失值的列
df_cleaned = df.dropna(axis=1, how='all')

# 删除C列以外，含有缺失值的行
df_cleaned = df.dropna(subset=['A', 'B'])

# 仅保留至少有2个非NaN值的行
df_cleaned = df.dropna(thresh=2)

# 直接在原DataFrame上操作
df.dropna(inplace=True)

参考官方文档