删除dataframe中某列值为nan的记录/行及索引

要删除DataFrame中某列值为NaN的记录/行及索引，可以使用dropna()函数。dropna()函数可以删除含有缺失值的行或列，并返回删除后的DataFrame。

假设DataFrame的名称为df，想要删除的列名为"column_name"，可以按照以下步骤进行操作：

1. 使用df.dropna(subset=['column_name'], inplace=True)来删除含有NaN值的行。其中subset参数指定要检查的列名，inplace参数设置为True表示在原DataFrame上进行修改。

示例代码如下：
df.dropna(subset=['column_name'], inplace=True)

2. 如果想要重置索引，可以使用df.reset_index(drop=True)函数。该函数会删除原有的索引，并创建一个新的从0开始的索引。

示例代码如下：
df.reset_index(drop=True)

最终代码如下：
df.dropna(subset=['column_name'], inplace=True)
df.reset_index(drop=True)

通过以上操作，就可以删除DataFrame中某列值为NaN的记录/行及索引了。

相关问题

python 取 dataframe 中某列不为 NaN 的行

可以使用pandas库中的dropna()函数来删除包含NaN值的行，也可以使用notnull()函数来获取某列不为NaN的行的布尔值，然后使用布尔值索引来获取对应的行。

以下是两种方法的示例代码：

方法一：使用dropna()函数删除包含NaN值的行

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用dropna()函数删除包含NaN值的行
df = df.dropna(subset=['A'])

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0

方法二：使用notnull()函数获取某列不为NaN的行的布尔值

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, None], 'B': [4, None, 6, 7]})

# 使用notnull()函数获取某列不为NaN的行的布尔值
mask = df['A'].notnull()

# 使用布尔值索引获取对应的行
df = df[mask]

# 输出结果
print(df)

输出：

     A    B
0  1.0  4.0
1  2.0  NaN
2  3.0  6.0

根据数组创建dataframe行索引为one two，列索引为col1

可以使用 pandas.DataFrame 函数来创建一个空的 DataFrame，然后使用 reindex 函数来设置行索引和列索引：

import pandas as pd

# 创建一个空的 DataFrame
df = pd.DataFrame()

# 设置行索引为 "one" 和 "two"
df = df.reindex(["one", "two"])

# 设置列索引为 "col1"
df["col1"] = None

# 输出结果
print(df)

输出结果：

     col1
one  None
two  None

注意，这里我们首先创建了一个空的 DataFrame，然后使用 reindex 函数来设置行索引，最后再添加一个列索引。如果直接在 DataFrame 函数中指定行索引和列索引，也可以达到同样的效果：

import pandas as pd

# 直接指定行索引和列索引
df = pd.DataFrame(index=["one", "two"], columns=["col1"])

# 输出结果
print(df)

输出结果：

    col1
one  NaN
two  NaN