从Pandas数据框架中删除列中有缺失值或NaN的行

在Pandas中，我们可以使用dropna()方法来从数据框架中删除具有缺失值或NaN值的行或列。

为了删除列中有缺失值或NaN的行，我们需要在dropna()方法中指定轴向参数axis=0。此外，我们还需要指定subset参数以确定要处理的列。

以下是完整的过程及示例代码：

1. 导入Pandas库并读入数据：

import pandas as pd

df = pd.read_csv('data.csv')

1. 检查数据表中的缺失值：

print(df.isnull().sum())

此代码将输出每列中的缺失值数目。

1. 删除具有缺失值的行：

df = df.dropna(axis=0, subset=['column_name'])

其中，column_name是包含缺失值的列的名称。

以下是示例代码：

import pandas as pd

# 读入数据
df = pd.read_csv('data.csv')

# 检查数据表中的缺失值
print(df.isnull().sum())

# 删除具有缺失值的行
df = df.dropna(axis=0, subset=['column_name'])

请注意，dropna()方法将返回一个新的数据框架，因此我们需要将其赋值给一个变量以存储修改后的数据。

最后，我们可以使用to_csv()方法将处理后的数据保存到新的CSV文件中：

# 保存处理后的数据到新文件
df.to_csv('clean_data.csv', index=False)