pandas中dropna()函数的用法

pandas中的dropna()函数用于删除DataFrame中包含缺失值的行或列。具体用法如下：

语法：

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

参数说明：
- axis: 取值为0或1，表示删除行或列，默认为0
- how: 取值为'any'或'all'，表示删除包含任意缺失值或全部缺失值的行或列，默认为'any'
- thresh: 整数类型，表示每行或每列至少要有thresh个非缺失值才不会被删除，默认为None
- subset: 字符串列表，表示只在给定的列中查找缺失值并删除行，默认为None，即查找所有列
- inplace: 布尔类型，表示是否在原DataFrame上修改，默认为False，即返回一个新的DataFrame

示例：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, 12]})
print(df)
# 输出：
#      A    B   C
# 0  1.0  5.0   9
# 1  2.0  NaN  10
# 2  NaN  7.0  11
# 3  4.0  8.0  12

# 删除包含任意缺失值的行
print(df.dropna())
# 输出：
#      A    B  C
# 0  1.0  5.0  9
# 3  4.0  8.0  12

# 删除包含全部缺失值的列
print(df.dropna(axis=1, how='all'))
# 输出：
#      A    B   C
# 0  1.0  5.0   9
# 1  2.0  NaN  10
# 2  NaN  7.0  11
# 3  4.0  8.0  12

# 删除至少有2个缺失值的行
print(df.dropna(thresh=2))
# 输出：
#      A    B   C
# 0  1.0  5.0   9
# 1  2.0  NaN  10
# 3  4.0  8.0  12

# 只在'A'和'C'列中查找缺失值并删除行
print(df.dropna(subset=['A', 'C']))
# 输出：
#      A    B   C
# 0  1.0  5.0   9
# 1  2.0  NaN  10
# 3  4.0  8.0  12