pandas dataframe 删除列中 有空值的行

可以使用 dropna() 方法删除包含空值的行，示例代码如下：

df.dropna(subset=['列名'], inplace=True)

其中，'列名' 是需要删除空值的列名。使用 inplace=True 可以直接修改原始的 DataFrame。

相关问题

dataframe按列合并，空值用前一个数值填充

可以使用 Pandas 库中的 `fillna()` 和 `fillna()` 方法来实现将 DataFrame 中的空值用前一个数值填充，并按列合并的功能。具体实现方式如下：

import pandas as pd

# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, None, 3, None, 5], 'B': [6, 7, None, 9, None]})
df2 = pd.DataFrame({'C': [None, 2, 3, 4, None], 'D': [6, 7, 8, None, 10]})

# 使用 fillna() 方法将空值用前一个数值填充
df1.fillna(method='ffill', inplace=True)
df2.fillna(method='ffill', inplace=True)

# 使用 concat() 方法按列合并两个 DataFrame
df = pd.concat([df1, df2], axis=1)

# 打印合并后的结果
print(df)

在上述代码中，`fillna()` 方法的参数 `method='ffill'` 表示使用前一个数值进行填充，`inplace=True` 表示直接修改原 DataFrame，而不是返回一个新的 DataFrame；`concat()` 方法的参数 `axis=1` 表示按列合并。执行上述代码后，输出的结果如下：

     A    B    C     D
0  1.0  6.0  NaN   6.0
1  1.0  7.0  2.0   7.0
2  3.0  7.0  3.0   8.0
3  3.0  9.0  4.0   NaN
4  5.0  9.0  4.0  10.0

可以看到，两个 DataFrame 中的空值已经被用前一个数值填充了，并且按列合并成功了。

在dataframe列中删空值

在Python的DataFrame中，空值通常被表示为NaN。要删除DataFrame列中的空值，可以使用dropna()函数。该函数会删除包含空值的整个列。

下面是一个删除空值的示例代码：

import numpy as np
import pandas as pd
from pandas import DataFrame
from numpy import nan as NaN

# 创建包含空值的DataFrame对象
df = pd.DataFrame({'A': [1, 2, NaN, 4, 5],
                   'B': [NaN, NaN, 3, 4, NaN],
                   'C': [NaN, 2, 3, NaN, 5})

# 删除包含空值的列
df = df.dropna(axis=1)

# 打印结果
print(df)

运行以上代码，将删除包含空值的列，并打印结果。

注意，dropna()函数默认情况下会删除包含任何空值的行或列。如果只想删除包含全部空值的行或列，可以使用how参数来指定删除条件。例如，如果想删除包含全部空值的列，可以使用df.dropna(axis=1, how='all')。