pandas某列中有空值，就删除该行。代码

如下：

import pandas as pd

df = pd.read_csv('data.csv')
df.dropna(subset=['column_name'], inplace=True)
print(df.head())

其中，`data.csv` 是你的数据文件名称，`column_name` 是需要删除空值的列名。该代码会将所有 `column_name` 列中存在空值的行删除，并输出删除空值后的前五行数据。

相关问题

pandas统计每行的空值

您可以使用`pandas`库中的`isnull()`方法来判断每个元素是否为空，然后使用`sum()`方法对每行的空值进行求和。

示例代码如下：

import pandas as pd

# 创建一个包含空值的DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [5, None, 7, 8], 'C': [None, None, None, None]})

# 统计每行的空值
null_counts = df.isnull().sum(axis=1)

print(null_counts)

输出结果为：

0    0
1    1
2    3
3    1
dtype: int64

其中，`axis=1`参数表示对每行进行操作。因此，`null_counts`是一个Series对象，索引为行号，值为该行的空值数量。

pandas 删除空值

在 Pandas 中，我们可以使用 dropna() 函数来删除空值。这个函数默认会删除包含任意空值的行或列，具体取决于你所指定的轴参数。你可以使用 axis 参数来指定删除行还是列，默认为删除行。如果你想在原地删除空值而不是创建一个新的 DataFrame，可以使用 inplace=True 参数。除此之外，你还可以使用 thresh 参数来指定每行或每列至少需要包含多少个非空值才不会被删除。

下面是一个简单的例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, None, 8],
                   'C': [9, 10, 11, 12]})

# 删除包含空值的行
df.dropna()

# 删除包含空值的列
df.dropna(axis=1)

# 在原地删除包含空值的行
df.dropna(inplace=True)

# 至少需要两个非空值才保留该行或该列
df.dropna(thresh=2)