DataFrame.dropna（axis = 0，how = 'any'，thresh = None，subset = None，inplace = False）
参数：
axis：{0 or ‘index’, 1 or ‘columns’}, default 0，确定是否删除包含缺失值的行或列，在1.0.0版中进行了更改：将元组或列表传递到多个轴上。只允许一个轴。
how：{‘any’, ‘all’}, default ‘any’，当我们有至少一个NA或全部NA时，确定是否从DataFrame中删除行或列，’any’：如果存在任何NA值，则删除该行或列，’all’：如果所有值均为NA，则删除该行或列。
thresh：int, optional，需要许多非NA值。
subset：array-like, optional，要考虑的其他轴上的标签，例如，如果要删除行，这些标签将是要包括的列的列表。
inplace：bool, 默认为False。
官网案例
代码：
df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
"toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
df
输出：
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
过滤掉有缺失数据
代码：
df.dropna()
输出：
name toy born
1 Batman Batmobile 1940-04-25
但此时df的值是，没有更改，因为inplace=False：
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
剩下几个参数
df.dropna(axis='columns') #删除有缺失值的列
df.dropna(how='all') #将所有元素都缺失的行删除
df.dropna(thresh=2) #仅保留至少具有2个非NA值的行
df.dropna(subset=['name', 'born']) #在name和born列中查找缺失值，一旦有缺失值就删除行
df.dropna(inplace=True) #确认覆盖原数据
对缺失值的类型解释一下
缺失值类型说明NoneNoneTypeNone不同于空列表和空字符串，是一种单独的格式NaNFloatNaN是numpy\pandas下的，不是Python原生的，Not a Number的简称。Null-在Python中没有这个NULL，NULL主要是在C语言中，在Python中对应的就是NoneNaTDatatime非时间空值，Not a Time””str空字符串
Original: https://blog.csdn.net/qq_44721834/article/details/121948192
Author: 一只山
Title: df.dropna() 过滤数据中的缺失数据
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/675321/
转载文章受原作者版权保护。转载请注明原作者出处！