直接删除包含缺失值或列

直接删除包含缺失值或列的操作，在数据处理中常用于预处理阶段，特别是在数据分析或机器学习项目中。当你发现某些行存在缺失值（NaN或空值）时，有几种常见的策略：

1. 删除含有缺失值的行：如果你可以接受丢失部分数据的情况，可以选择删除包含缺失值的整行。在Python的Pandas库中，你可以使用`dropna()`函数，传入参数`axis=0`表示按行操作，如果`how='any'`则会删除任何一行只要有单个缺失值。

df = df.dropna(axis=0, how='any')

2. 删除含有特定列：如果你想删除整个列，可以根据需要选择性地删除。同样使用`dropna()`，设置`axis=1`针对列操作，并指定`subset`参数来指定列名。

df = df.dropna(subset=['column_name'])

3. 删除完整度较高的子集：另一种做法是对每个特征计算缺失值的比例，然后只保留那些缺失值比例较低的列。

# 计算每列的缺失值比例
missing_values = (df.isnull().sum() / len(df)) * 100

# 删除缺失值超过某个阈值的列
df = df[missing_values < threshold]