举例说明data.dropna()的用法

`data.dropna()` 是 Pandas 库中的一个函数，用于删除数据集中包含缺失值（NaN）的行或列。它的具体用法如下：

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

参数说明：

- `axis`：指定删除行或列，0 表示删除行，1 表示删除列，默认为 0。
- `how`：指定删除方式，'any' 表示只要该行或列中存在 NaN，就删除该行或列；'all' 表示该行或列中所有值都为 NaN 才删除该行或列，默认为 'any'。
- `thresh`：指定每行或每列中最少要有多少个非 NaN 值，否则该行或列将被删除。
- `subset`：指定要检查缺失值的列，只对这些列进行缺失值检查并删除。
- `inplace`：是否在原数据集上进行修改，True 表示在原数据集上进行修改，False 表示生成一个新的数据集，默认为 False。

举个例子，假设有以下数据集：

import pandas as pd
import numpy as np

data = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                     'B': [6, 7, 8, np.nan, 10],
                     'C': [11, np.nan, 13, 14, 15]})
print(data)

输出结果为：

     A     B     C
0  1.0   6.0  11.0
1  2.0   7.0   NaN
2  NaN   8.0  13.0
3  4.0   NaN  14.0
4  5.0  10.0  15.0

现在我们想删除包含 NaN 值的行，可以使用 `dropna()` 函数：

data.dropna()

输出结果为：

     A     B     C
0  1.0   6.0  11.0
4  5.0  10.0  15.0

可以看到，第 1、2、3 行都包含 NaN 值，被删除了。如果我们想删除包含 NaN 值的列，可以设置 `axis=1`：

data.dropna(axis=1)

输出结果为：

      C
0  11.0
1   NaN
2  13.0
3  14.0
4  15.0

可以看到，第 1、2 列都包含 NaN 值，被删除了。