DataFrame怎么去掉某一列中值为空的行

可以使用 `dropna()` 方法来删除 DataFrame 中某一列中值为空的行，示例代码如下：

import pandas as pd

# 创建一个 DataFrame
data = {'A': [1, 2, 3, None, 5],
        'B': [None, 2, 3, 4, None],
        'C': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)

# 删除 B 列中值为空的行
df = df.dropna(subset=['B'])

# 输出结果
print(df)

输出结果为：

     A    B  C
1  2.0  2.0  b
2  3.0  3.0  c
3  NaN  4.0  d

其中 `subset=['B']` 表示只在 B 列中删除值为空的行，如果要在多个列中删除值为空的行，可以将列名放在列表中传入。

相关问题

dataframe中筛选某一列中值在4到8之间的数据

在Pandas DataFrame中筛选某一列（假设该列名为`column_name`）中值介于4到8之间的数据，你可以使用条件查询（query method）或布尔索引来完成。这里有两个方法：

方法一：使用query()函数

df_filtered = df.query('column_name >= 4 and column_name <= 8')

这行代码会返回一个新的DataFrame，其中只包含`column_name`列中值在4到8之间的记录。

方法二：使用布尔索引

mask = (df['column_name'] >= 4) & (df['column_name'] <= 8)
df_filtered = df[mask]

这里我们首先创建了一个布尔系列`mask`，`True`表示满足条件，然后用这个布尔系列作为索引选择出符合条件的数据。

注意替换`column_name`为你实际的列名。如果`column_name`中含有空值或非数字类型的数据，上述操作可能会失败，所以在操作之前最好检查一下数据的清洁度。

统计dataframe中一列中值的数量

你可以使用 pandas 库中的 value_counts() 方法来统计 DataFrame 中某一列的值的数量。下面是一个示例代码：

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': ['apple', 'banana', 'apple', 'banana', 'apple', 'orange']}
df = pd.DataFrame(data)

# 统计 'A' 列中每个值的数量
value_counts = df['A'].value_counts()
print(value_counts)

输出结果将会是：

apple     3
banana    2
orange    1
Name: A, dtype: int64

这里，'A' 列中的每个值及其对应的数量被统计出来了。