pandas删除数据仅保留结构

在Pandas库中，如果你想删除数据并保持DataFrame或Series的结构不变，可以使用`dropna()`、`drop_duplicates()` 或 `drop` 函数。以下是它们各自的作用：

1. **dropna()**：这个函数用于删除含有缺失值（NaN）的行或列。你可以选择删除所有含缺失值的行（axis=0），也可以删除某列的所有缺失值（axis=1）。默认设置会删除包含任何缺失值的行。

df.dropna() # 删除所有含有缺失值的行
df.dropna(axis=1) # 删除含有缺失值的列

2. **drop_duplicates()**：用于删除DataFrame中的重复行。如果希望基于特定的列去重，可以指定`subset`参数。

df.drop_duplicates() # 删除完全相同的行
df.drop_duplicates(subset=['column_name']) # 删除按指定列去重后的重复行

3. **drop()**：这是一个更通用的删除功能，可以删除指定索引位置的行，也可以根据条件（如标签或布尔数组）删除行。

df.drop(index=[row_index]) # 删除指定行索引的行
df.drop(condition=True) # 删除满足条件的行

在上述操作后，数据将被清理，但原始数据结构——即列名、列的数据类型和索引——将保持不变。如果你只想移除数据而不关心结构，应该考虑其他数据处理方法，如截断、填充等。