python中drop用法_python compile函数

大家好，又见面了，我是你们的朋友全栈君。

ca23945ad14462d57ca503fbeaaec794.png

pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。python学习网，大量的免费python视频教程，欢迎在线学习！

使用dropna使得滤除缺失数据更加得心应手。

dropna常用参数：# DataFrame.dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False)

主要的2个参数：

#axis=0：删除包含缺失值(NaN)的行

#axis=1：删除包含缺失值(NaN)的列

# how=‘any’：要有缺失值(NaN)出现删除

# how=‘all’：所有的值都缺失(NaN)才删除

这两个要配合使用才好。

该函数主要用于滤除缺失数据。如果是Series，则返回一个仅含非空数据和索引值的Series，默认丢弃含有缺失值的行。xx.dropna()

对于DataFrame:data.dropna(how = ‘all’) # 传入这个参数后将只丢弃全为缺失值的那些行

data.dropna(axis = 1) # 丢弃有缺失值的列(一般不会这么做，这样会删掉一个特征)

data.dropna(axis=1,how=”all”) # 丢弃全为缺失值的那些列

data.dropna(axis=0,subset = [“Age”, “Sex”]) # 丢弃‘Age’和‘Sex’这两列中有缺失值的行

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/192161.html原文链接：https://javaforall.cn