dropna()是 pandas 庫中的一個函數(shù)，用于刪除 DataFrame 中的缺失值。在數(shù)據(jù)分析和數(shù)據(jù)清洗中，缺失值通常需要被處理。使用 可以將缺失值所在的行或列從 DataFrame 中刪除，以便進(jìn)行進(jìn)一步的數(shù)據(jù)分析。dropna()

　　下面是 函數(shù)的一些用法:dropna()

　　1. 刪除含有缺失值的行或列

　　刪除含有缺失值的行： 或df.dropna(axis=0)df.dropna()

　　刪除含有缺失值的列：df.dropna(axis=1)

　　其中， 表示按行刪除， 表示按列刪除。如果不指定 參數(shù)，則默認(rèn)刪除含有缺失值的行。axis=0axis=1axis

　　2. 指定刪除的閾值

　　可以使用 參數(shù)來指定保留數(shù)據(jù)的最小非缺失值數(shù)量，若某一行或列中非缺失值數(shù)量小于該閾值，則該行或列將被刪除。thresh

　　按行刪除，保留至少 3 個非缺失值的行：df.dropna(thresh=3)

　　按列刪除，保留至少 2 個非缺失值的列：df.dropna(axis=1, thresh=2)

　　3. 指定刪除的位置

　　可以使用 參數(shù)來指定刪除缺失值的位置，以及要考慮的列。subset

　　刪除 “age” 列中缺失值的行：df.dropna(subset=['age'])

　　刪除 “age” 和 “gender” 列中缺失值的行：df.dropna(subset=['age', 'gender'])

　　4. 填充缺失值

　　除了刪除缺失值，還可以使用 函數(shù)來填充缺失值。函數(shù)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())

　　以上是 函數(shù)的一些常用用法，可以根據(jù)具體的需求選擇使用。