dropna()函数的用法讲解

　　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。dropna()

　　下面是 函数的一些用法:dropna()

　　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。subset

　　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())

　　以上是 函数的一些常用用法，可以根据具体的需求选择使用。