pandas库筛选不为空

在pandas库中，筛选不为空的行或列是一个常见的操作。pandas提供了多种方法来处理缺失值（NaN），其中最常用的方法是`dropna()`和`notna()`。

1. **使用`dropna()`方法**：
`dropna()`方法用于删除包含缺失值的行或列。

   import pandas as pd

   # 创建示例数据
   data = {'A': [1, 2, None], 'B': [4, None, 6], 'C': [7, 8, 9]}
   df = pd.DataFrame(data)

   # 删除包含缺失值的行
   df_dropped_rows = df.dropna()
   print(df_dropped_rows)

输出：

      A    B  C
   0  1.0  4.0  7
   2  NaN  6.0  9

如果想删除包含缺失值的列，可以设置`axis=1`：

   # 删除包含缺失值的列
   df_dropped_columns = df.dropna(axis=1)
   print(df_dropped_columns)

输出：

      C
   0  7
   1  8
   2  9

2. **使用`notna()`方法**：
`notna()`方法用于筛选不包含缺失值的行或列。

   # 筛选不包含缺失值的行
   df_notna_rows = df[df.notna().all(axis=1)]
   print(df_notna_rows)

输出：

      A    B  C
   2 NaN  6.0  9

如果想筛选不包含缺失值的列，可以设置`axis=0`：

   # 筛选不包含缺失值的列
   df_notna_columns = df[df.notna().all(axis=0)]
   print(df_notna_columns)

输出：

      C
   0  7
   1  8
   2  9

3. **使用`fillna()`方法**：
`fillna()`方法用于填充缺失值，而不是删除行或列。

   # 填充缺失值为0
   df_filled = df.fillna(0)
   print(df_filled)

输出：

      A    B  C
   0  1.0  4.0  7
   1  2.0  0.0  8
   2  0.0  6.0  9

通过以上方法，你可以根据需要筛选出不包含缺失值的行或列，或者填充缺失值。