Python dropna 删掉全行为空的

可以使用 `dropna` 方法中的 `how` 参数，将其设置为 `"all"`，即可删掉全行为空的行。示例代码如下：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [None, None, None, None], 'C': [1, 2, 3, 4]})

# 删除全行为空的行
df = df.dropna(how='all')

print(df)

输出结果为：

     A    B  C
0  1.0  NaN  1
1  2.0  NaN  2
2  NaN  NaN  3
3  4.0  NaN  4

可以看到第二行被删除了，因为该行所有列都为空。

相关问题

python pandas的series去空

在Python的pandas库中，使用Series去除空值可以使用dropna()方法。dropna()方法的默认行为是删除包含空值的行或列。

在处理Series对象时，可以使用dropna()方法将含有空值的元素从Series中删除。这个方法会返回一个新的Series对象，其中不包含任何空值。

例如，假设有一个包含空值的Series对象data，我们可以使用下面的代码将空值从Series中删除：

import pandas as pd

data = pd.Series([1, 2, np.nan, 4, np.nan])

clean_data = data.dropna()

print(clean_data)

运行这个代码，我们会得到一个新的Series对象clean_data，其中不包含任何空值：

0    1.0
1    2.0
3    4.0
dtype: float64

在上面的例子中，我们使用dropna()方法删除了包含空值的位置，得到了一个干净的Series对象clean_data。

使用dropna函数删除缺失值

在Python中使用pandas库进行数据分析时，可以使用dropna函数删除缺失值。

dropna函数可以删除包含缺失值的行或列。默认情况下，它会删除包含任何缺失值的行。可以通过设置参数来更改其行为。

下面是一个示例代码，用于删除包含缺失值的行：

import pandas as pd

# 创建包含缺失值的数据集
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, np.nan, 8],
                   'C': [9, 10, 11, 12]})

# 删除包含缺失值的行
df = df.dropna()

print(df)

输出结果如下：

     A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

在这个例子中，包含缺失值的行2被删除了。

除了删除行，还可以删除列。下面的代码演示了如何删除包含缺失值的列：

# 删除包含缺失值的列
df = df.dropna(axis=1)

print(df)

输出结果如下：

    C
0   9
1  10
2  11
3  12

在这个例子中，列A和B被删除了。

除了默认行为外，还可以使用其他参数来更改dropna函数的行为。例如，可以使用thresh参数来指定每行最少需要多少个非缺失值才能保留该行。