pandas删除所有值为nan的行

可以使用`dropna()`函数来删除所有包含NaN值的行。它将返回一个新的DataFrame，其中所有包含NaN值的行都已被删除。

例如，假设我们有以下DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, 12]})

现在我们可以使用`dropna()`函数来删除所有包含NaN值的行，如下所示：

df.dropna(inplace=True)

在这个例子中，`inplace=True`参数将在原始DataFrame上进行修改，而不是返回一个新的DataFrame。

如果你只想删除包含特定列（例如'A'和'B'）中NaN值的行，可以使用`subset`参数：

df.dropna(subset=['A', 'B'], inplace=True)

这将仅删除'A'和'B'列中包含NaN值的行。

相关问题

python的pandas的值是否为nan如何判断

你可以使用 pandas 中的 isna() 函数来判断一个值是否为 NaN。该函数返回一个布尔值，表示值是否为 NaN。例如，如果 df 是一个 pandas 数据框，你可以使用 df.isna() 来判断 df 中的所有值是否为 NaN。

pandas将NaN值修改为0

可以使用pandas中的fillna()函数将NaN值修改为0。示例代码如下：

import pandas as pd

# 创建一个包含NaN值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.NaN, 4], 'B': [np.NaN, 6, 7, 8]})

# 将NaN值修改为0
df.fillna(0, inplace=True)

print(df)

输出结果如下：

   A  B
0  1  0
1  2  6
2  0  7
3  4  8

在fillna()函数中，第一个参数是用于替换NaN值的值，这里是0。inplace=True表示直接在原始DataFrame上进行修改，而不是返回一个新的DataFrame。