数据分析删除“数量”列中包含缺失值的行；删除少于2个非缺失值的行

在数据分析过程中，如果数据集中存在"数量"列并且这个列出现了缺失值，为了保持数据的完整性和一致性，通常会选择删除含有缺失值的行。这是因为缺失值可能会引入不确定性和偏差到分析结果中。

对于"数量"列来说，如果该列每个单元格都需要有实际的数量记录才能有意义，那么直接删除包含缺失值的行是一个常见的做法。这可以通过编程语言如Python（pandas库中的dropna()函数）、R（dplyr包的drop_na()）或者SQL（使用DELETE语句结合WHERE子句）来实现。

另外，如果一条记录只有少于2个非缺失值，这可能是不完整的或者数据收集错误，也可能影响统计的有效性。在这种情况下，也可能会选择删除这样的行，以便后续分析基于更可靠的数据集进行。同样，我们可以通过筛选条件来达到这个目的：

# 示例（pandas）
df = df.dropna(subset=["数量"], thresh=2) # 删除数量列少于2个非NA值的行

# 或者 SQL
DELETE FROM table_name WHERE COUNT(*) < 2 AND number IS NOT NULL;