大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。python学习网，大量的免费python视频教程，欢迎在线学习！
使用dropna使得滤除缺失数据更加得心应手。
dropna常用参数：# DataFrame.dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False)
主要的2个参数：
#axis=0：删除包含缺失值(NaN)的行
#axis=1：删除包含缺失值(NaN)的列
# how=‘any’：要有缺失值(NaN)出现删除
# how=‘all’：所有的值都缺失(NaN)才删除
这两个要配合使用才好。
该函数主要用于滤除缺失数据。如果是Series，则返回一个仅含非空数据和索引值的Series，默认丢弃含有缺失值的行。xx.dropna()
对于DataFrame:data.dropna(how = ‘all’) # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1) # 丢弃有缺失值的列(一般不会这么做，这样会删掉一个特征)
data.dropna(axis=1,how=”all”) # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = [“Age”, “Sex”]) # 丢弃‘Age’和‘Sex’这两列中有缺失值的行
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/192161.html原文链接：https://javaforall.net
