pandas.DataFrame.dropna # 数据框。dropna ( * , axis = 0 , how = _NoDefault.no_default , thresh = _NoDefault.no_default , subset = None , inplace = False , ignore_index = False ) [来源] # 删除缺失值。 有关哪些值被视为缺失以及如何处理缺失数据的更多信息,请参阅用户指南。 参数: 轴{0 或 'index', 1 或 'columns'}, 默认 0确定是否删除包含缺失值的行或列。 0 或 'index' :删除包含缺失值的行。 1,或“列”:删除包含缺失值的列。 只允许使用单个轴。 如何{'any', 'all'}, 默认'any'当我们至少有一个 NA 或全部 NA 时,确定是否从 DataFrame 中删除行或列。 'any' :如果存在任何 NA 值,则删除该行或列。 'all' :如果所有值均为 NA,则删除该行或列。 阈值int,可选需要那么多非 NA 值。不能与how 结合。 子集列标签或标签序列,可选要考虑沿其他轴的标签,例如,如果您要删除行,这些将是要包含的列的列表。 inplace布尔值,默认 False是否修改 DataFrame 而不是创建一个新的。 ignore_index布尔值,默认False如果True,则生成的轴将标记为 0, 1, …, n - 1。 2.0.0 版本中的新增内容。 返回: 数据框或无从中删除 NA 条目的 DataFrame 或 None if inplace=True。 也可以看看 DataFrame.isna指出缺失值。 DataFrame.notna指示现有(非缺失)值。 DataFrame.fillna替换缺失值。 Series.dropna删除缺失值。 Index.dropna删除缺失的索引。 例子 >>> 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 删除至少缺少一个元素的行。 >>> df.dropna() name toy born 1 Batman Batmobile 1940-04-25 删除至少缺少一个元素的列。 >>> df.dropna(axis='columns') name 0 Alfred 1 Batman 2 Catwoman 删除所有元素都丢失的行。 >>> df.dropna(how='all') name toy born 0 Alfred NaN NaT 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT 仅保留至少具有 2 个非 NA 值的行。 >>> df.dropna(thresh=2) name toy born 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT 定义在哪些列中查找缺失值。 >>> df.dropna(subset=['name', 'toy']) name toy born 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT