df.dropna()参数详解

`dropna()`是一个DataFrame和Series对象的函数，用于删除缺失值（NaN或None）所在的行或列，返回一个新的DataFrame或Series对象。

下面是`dropna()`函数的一些常用参数：

- `axis`：指定删除行（axis=0）还是列（axis=1），默认为0。
- `how`：指定删除方式，有`any`和`all`两种。`any`表示只要有一个缺失值就删除该行或列，`all`表示只有当所有值都是缺失值时才删除行或列。默认为`any`。
- `thresh`：指定每行（或列）中最少非缺失值的数量，如果不足该值，则删除该行（或列）。
- `subset`：指定要检查的列名或行号，只在这些列（或行）中查找缺失值并删除。
- `inplace`：指定是否原地修改DataFrame或Series，即是否在原对象上进行修改。默认为False。

例如，`df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)`表示删除DataFrame中所有含有缺失值的行。

相关问题

df.dropna的参数

df.dropna()函数可以用来删除包含缺失值的行或列。它有以下参数：

- axis：指定删除行或列，默认为0即删除行，可选1删除列。
- how：指定删除方式，默认为any，表示只要有缺失值就删除该行或列；all表示所有值都缺失时才删除该行或列。
- thresh：指定每行或每列至少要有的非缺失值数量，否则删除该行或列。
- subset：指定在哪些列或行中查找缺失值并删除相应的行或列。

df.dropna多层索引

df.dropna方法可以用于删除包含缺失值的行或列。当数据具有多层索引时，你可以通过指定`level`参数来选择删除哪一层索引上包含缺失值的行或列。

下面是一个示例：

import pandas as pd

# 创建一个具有多层索引的DataFrame
data = {'A': [1, 2, None, 4],
        'B': [5, None, 7, None]}
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)], names=['key1', 'key2'])

df = pd.DataFrame(data, index=index)
print(df)

# 删除包含缺失值的行
df_dropped_rows = df.dropna()
print(df_dropped_rows)

# 删除包含缺失值的列
df_dropped_cols = df.dropna(axis=1)
print(df_dropped_cols)

# 删除指定层索引上包含缺失值的行
df_dropped_level = df.dropna(level='key1')
print(df_dropped_level)

输出结果：

         A    B
key1 key2      
a    1   1  5.0
     2   2  NaN
b    1   NaN  7.0
     2   4  NaN

         A    B
key1 key2      
a    1   1  5.0

         A
key1 key2      
a    1   1
     2   2
b    1   NaN
     2   4

         A    B
key1 key2      
a    1   1  5.0
     2   2  NaN
b    1   NaN  7.0

这个示例中，我们创建了一个具有多层索引的DataFrame，并使用`dropna`方法删除了包含缺失值的行或列。在删除行时，我们也可以通过`level`参数指定删除哪一层索引上包含缺失值的行。