扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
python中dropna的使用方法是什么？这个问题可能是我们日常学习或工作经常见到的。希望通过这个问题能让你收获颇深。下面是小编给大家带来的参考内容，让我们一起来看看吧！
创新互联专注为客户提供全方位的互联网综合服务，包含不限于成都网站建设、网站设计、代县网络推广、小程序定制开发、代县网络营销、代县企业策划、代县品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联为所有大学生创业者提供代县建站搭建服务，24小时服务热线：18982081108，官方网址：www.cdcxhl.com
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。
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
感谢各位的阅读！看完上述内容，你们对python中dropna的使用方法是什么大概了解了吗？希望文章内容对大家有所帮助。如果想了解更多相关文章内容，欢迎关注创新互联行业资讯频道。
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网