dropna()是 pandas 库中的一个函数，用于删除 DataFrame 中的缺失值。在数据分析和数据清洗中，缺失值通常需要被处理。使用 可以将缺失值所在的行或列从 DataFrame 中删除，以便进行进一步的数据分析。
1. 删除含有缺失值的行或列
删除含有缺失值的行： 或df.dropna(axis=0)df.dropna() 删除含有缺失值的列：df.dropna(axis=1)
其中， 表示按行删除， 表示按列删除。如果不指定 参数，则默认删除含有缺失值的行。axis=0axis=1axis 2. 指定删除的阈值
可以使用 参数来指定保留数据的最小非缺失值数量，若某一行或列中非缺失值数量小于该阈值，则该行或列将被删除。thresh 按行删除，保留至少 3 个非缺失值的行：df.dropna(thresh=3) 按列删除，保留至少 2 个非缺失值的列：df.dropna(axis=1, thresh=2)
3. 指定删除的位置
可以使用 参数来指定删除缺失值的位置，以及要考虑的列。
删除 “age” 列中缺失值的行：df.dropna(subset=['age']) 删除 “age” 和 “gender” 列中缺失值的行：df.dropna(subset=['age', 'gender'])
4. 填充缺失值
除了删除缺失值，还可以使用 函数来填充缺失值。函数可以用指定的值填充缺失值，例如：fillna()fillna() 使用 0 填充缺失值：df.fillna(0)
使用平均值填充缺失值：df.fillna(df.mean())
因篇幅问题不能全部显示，请点此查看更多更全内容