python df.drop

引用:清理无效数据可以使用`df.dropna()`函数将所有含有NaN项的行删除，`df.dropna(axis=1,thresh=3)`函数可以将在列的方向上有三个NaN项的项删除，`df.dropna(how='ALL')`函数可以将全部项都是NaN的行删除。
引用:要对数据类型进行转换，可以使用`df['name'].astype(np.datetime64)`函数将`name`列的数据类型转换为`datetime64`。
引用:`drop`函数可以通过设置`inplace=True`参数实现就地修改。等价的表达式有三种：`DF= df.drop('列名', axis=1)`、`DF.drop('列名',axis=1, inplace=True)`和`DF.drop([DF.columns[[0,1, 3]]], axis=1, inplace=True)`（注意：索引是从0开始的）。