如何用dropna函数，仅保留缺失值？

在Pandas中使用dropna()函数删除缺失值，要保留缺失值的话，可以使用 ~ 操作符对数据进行取反操作。

示例代码如下：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, np.nan]})
# 取反操作
df = df[~df.isna()]
print(df)

这样就会得到只保留了缺失值的数据了。

相关问题

使用dropna函数删除缺失值

在Python中使用pandas库进行数据分析时，可以使用dropna函数删除缺失值。

dropna函数可以删除包含缺失值的行或列。默认情况下，它会删除包含任何缺失值的行。可以通过设置参数来更改其行为。

下面是一个示例代码，用于删除包含缺失值的行：

import pandas as pd

# 创建包含缺失值的数据集
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, np.nan, 8],
                   'C': [9, 10, 11, 12]})

# 删除包含缺失值的行
df = df.dropna()

print(df)

输出结果如下：

     A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

在这个例子中，包含缺失值的行2被删除了。

除了删除行，还可以删除列。下面的代码演示了如何删除包含缺失值的列：

# 删除包含缺失值的列
df = df.dropna(axis=1)

print(df)

输出结果如下：

    C
0   9
1  10
2  11
3  12

在这个例子中，列A和B被删除了。

除了默认行为外，还可以使用其他参数来更改dropna函数的行为。例如，可以使用thresh参数来指定每行最少需要多少个非缺失值才能保留该行。

为什么dataframe中有空行，但是用dropna（）删不掉？

当DataFrame中存在空行（即包含`NaN`值的行），但使用`dropna()`函数删除时没有效果，可能是因为以下原因之一：

1. **列级别的缺失**：如果某个或某些列的数据类型不是数值型（如`object`、`category`等），那么这些列可能会被处理为非空值（即使它们实际上是空的）。在这种情况下，`dropna()`默认只检查数值类型的列。

2. **索引中的空值**：如果你的DataFrame的索引包含了`NaN`值，而`dropna()`没有指明`axis=0`（默认行为），则不会删除包含`NaN`索引的行，因为它是按照整数索引来操作的。

3. **`how`参数设置不当**：`dropna()`的`how`参数可以指定删除规则，如`'any'`（只要有一个非空值就保留）、`'all'`（所有值都必须非空）。如果没有正确设置这个参数，可能会导致预期之外的结果。

要确保`dropna()`能删除空行，请尝试以下代码并检查结果：

# 检查数据类型，确认是否有非数值列
df.info()  # 或 df.select_dtypes(include='number').info()

# 如果有非数值列，可指定axis=0以检查行（默认）
dropped_df = df.dropna(how='all', axis=0)

# 如果你想同时检查索引，请设置axis=0，如何指定删除规则
dropped_df = df.dropna(how='all', axis=0, subset=df.columns)  # 使用列名列表

# 查看结果
dropped_df.head()