如何在Pandas数据框架中删除有NaN值的行

在 Pandas 数据框架中，要删除包含 NaN 值的行，可以使用 dropna() 方法。该方法默认删除任何包含至少一个 NaN 数据的行。同时，还可以通过一些参数来进一步控制删除行的条件。

下面是一个完整的实例，演示如何使用 dropna() 方法删除包含 NaN 值的行：

import pandas as pd
import numpy as np

# 创建一个包含 NaN 值的数据框架
df = pd.DataFrame({'列1': [1, 2, np.nan], '列2': [4, np.nan, np.nan], '列3': [7, 8, 9]})
print(df)

# 使用 dropna() 方法删除包含 NaN 值的行
df = df.dropna()
print(df)

运行上述代码，将输出以下结果：

    列1   列2  列3
0  1.0  4.0   7
1  2.0  NaN   8
2  NaN  NaN   9

    列1  列2  列3
0  1.0  4.0   7

可以看到，在第一次输出中，数据框架中包含了 NaN 值。而在第二次输出中，已经使用 dropna() 方法将包含 NaN 值的行删除了。

除了默认删除任何包含 NaN 数据的行之外，还可以通过以下参数进一步指定删除条件：

• axis：指定删除行还是列。默认为 0，即删除行。如果需要删除列，则设置为 1。
• how：指定删除条件。默认为 any，即如果某行任何一个数据为 NaN，则删除该行。如果设置为 all，则表示只有当整行数据全部为 NaN 时才删除该行。
• thresh：指定保留行的最小非 NaN 值数。默认为 None，即只要存在 NaN 值就删除该行。

下面是一个例子，演示如何使用 how 参数来只删除整行数据全部为 NaN 的行：

import pandas as pd
import numpy as np

# 创建一个包含 NaN 值的数据框架
df = pd.DataFrame({'列1': [1, 2, np.nan], '列2': [4, np.nan, np.nan], '列3': [7, 8, np.nan]})
print(df)

# 使用 dropna() 方法删除整行数据全部为 NaN 的行
df = df.dropna(how='all')
print(df)

运行上述代码，将输出以下结果：

    列1   列2  列3
0  1.0  4.0   7
1  2.0  NaN   8
2  NaN  NaN   NaN

    列1   列2  列3
0  1.0  4.0   7
1  2.0  NaN   8

可以看到，第二次输出中，只剩下了第一行和第二行的数据，而第三行因为所有数据均为 NaN 被删除了。