python 用dropna删掉收入值小于 1000 的数据。

在Python中，如果你正在处理Pandas DataFrame并且想要删除所有收入值小于1000的行，你可以使用`dropna()`函数配合条件筛选。首先，你需要将低于1000的值标记为缺失值（通常用NaN表示），然后通过`dropna()`函数删除这些缺失值的行。这里是一个示例：

import pandas as pd

# 假设df是你的DataFrame，收入列名为'income'
df = df[df['income'] >= 1000]

上述代码中，`df[df['income'] >= 1000]`创建了一个新的DataFrame，只包含那些收入大于等于1000的行。原始DataFrame不会被修改，除非你想赋值回原变量。

如果你想直接删除原DataFrame中的不符合条件的行，可以使用`dropna(inplace=True)`，但这会永久改变原始DataFrame：

df.dropna(subset=['income'], inplace=True, thresh=1000)  # thresh参数用于指定列的最小非缺失值数量

在这里，`inplace=True`意味着操作将在原DataFrame上进行，而`thresh=1000`则指定了列'income'需要有至少1000的非缺失值才能保留该行。