pandas 读取csv 文件后丢弃缺失数据

可以使用dropna()方法来丢弃缺失数据。

示例代码：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 丢弃缺失数据
df.dropna(inplace=True)

# 输出结果
print(df)

在上面的代码中，inplace=True参数表示直接修改原始数据，而不是创建一个新的数据副本。如果不加该参数，则需要将结果赋值给一个新的变量。

相关问题

选择列，用pandas数据预处理模块将缺失值丢弃处理，并导出到新的csv文件

可以使用pandas库中的read_csv函数读取csv文件，并使用dropna函数将缺失值丢弃处理，最后使用to_csv函数导出到新的csv文件。例如，下面是选择‘col1’和‘col2’两列数据，并将缺失值丢弃处理，最后将处理后的数据导出到新的csv文件的代码：

import pandas as pd

df = pd.read_csv('example.csv', usecols=['col1', 'col2'])

# 将缺失值丢弃处理
df = df.dropna()

# 导出到新的csv文件
df.to_csv('new_example.csv', index=False)

其中，usecols参数用于选择要读取的列，dropna函数默认将含有缺失值的行丢弃，导出csv文件时，index=False表示不导出行索引。

删除列，并将剩余数据用pandas数据预处理模块将缺失值丢弃处理，导出新的csv文件

首先，使用 pandas 的 `read_csv()` 方法读取 CSV 文件：

import pandas as pd

df = pd.read_csv('file_path.csv')

然后，使用 `drop()` 方法删除指定列（例如删除名为 `column_name` 的列）：

df = df.drop(columns=['column_name'])

接下来，使用 `dropna()` 方法将 DataFrame 中的缺失值删除：

df = df.dropna()

最后，使用 `to_csv()` 方法将处理后的 DataFrame 导出为新的 CSV 文件：

df.to_csv('new_file_path.csv', index=False)

其中，`index=False` 表示不将行索引写入到 CSV 文件中。