dropna()函数的作用是去除读入的数据中（DataFrame）含有NaN的行。
如下：
>>> df = pd.DataFrame({"name": ['Alfred', 'Batman', 'Catwoman'],
"toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
>>> df
name toy born
0 Alfred NaN NaT
1 Batman Batmobile 1940-04-25
2 Catwoman Bullwhip NaT
使用 dropna() 效果：
>>> df.dropna()
name toy born
1 Batman Batmobile 1940-04-25
注意：
在代码中要保存对原数据的修改，需要添加 inplace 参数 ，inplace=True 表示直接在原数据上更改
df.dropna(inplace=True)
例：
dfs = pd.read_excel(path, sheet_name='Sheet1',index_col='seq')
dfs.dropna(inplace=True) #去除包含NaN 的行
print(dfs)#若不用inplace=True，此处 dfs 结果仍包含NaN
dropna 参数：
- axis: default 0指行,1为列
- how: {‘any’, ‘all’}, default ‘any’指带缺失值的所有行;’all’指清除全是缺失值的
- thresh: int,保留含有int个非空值的行
- subset: 对特定的列进行缺失值删除处理
- inplace: 这个很常见,True表示直接在原数据上更改
本文从CSDN（点击查看原文）转载而来。不代表烟海拾贝立场，如若转载，请注明出处：https://somirror.com/4783.html
