Python中dropna的用法

前言

在数据分析和处理过程中，经常会遇到数据缺失的情况，这时候就需要使用dropna方法来删除缺失值。

dropna函数的基本用法

dropna函数用于删除缺失值。我们可以在调用dropna函数时指定删除缺失值的条件。

    import pandas as pd

    # 构造含有缺失值的DataFrame
    df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, 12]})
    
    # 删除df中含有缺失值的行或列
    df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

• axis：指示删除缺失值的对象（行或列），默认值为0（即删除行）；
• how：指示删除缺失值的方式，'any'表示只要存在缺失值就删除，'all'表示只有该行或列全部为缺失值时才删除。
• thresh：在删除前，需要保留的缺失值个数的阈值，如果该行或列的缺失值数目超过了阈值，才进行删除操作。
• subset：在删除行时，只考虑特定的列（即子集）是否有缺失值。
• inplace：如果为True，则直接修改目标DataFrame对象；如果为False，则返回新的修改后DataFrame对象。

dropna函数的进阶用法

删除指定列包含的缺失值

有时候，我们只想要删除特定列（例如，只删除salary列中存在的缺失值），可以使用subset参数指定要考虑的列。

    # 构造含有缺失值的DataFrame
    df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David'], 'salary': [1200.0, np.nan, np.nan, 1500.0]})
    
    # 删除salary列中的缺失值
    df.dropna(subset=['salary'])

根据指定条件删除缺失值

有时候，我们需要根据特定的规则删除缺失值，例如删除age列中缺失值的行，但是又不想删除全部缺失值的行。

    # 构造含有缺失值的DataFrame
    df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [20, np.nan, 25, np.nan]})
    
    # 删除age列中的缺失值
    df.dropna(subset=['age'], how='any')

横向删除缺失值

有时候，我们希望删除具有缺失值的列。

    # 构造含有缺失值的DataFrame
    df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David'], 'salary': [1200.0, np.nan, np.nan, 1500.0],
                       'age': [20, np.nan, 25, np.nan]})
    
    # 删除salary、age列中的缺失值
    df.dropna(axis=1, how='any', thresh=None, subset=None, inplace=False)

缺失值填充

有时候，删除缺失值不是最完美的解决方案，我们需要用其他值来代替缺失值。

    # 构造含有缺失值的DataFrame
    df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'David'], 'salary': [1200.0, np.nan, np.nan, 1500.0]})
    
    # 用0代替salary列中的缺失值
    df['salary'].fillna(0, inplace=True)

总结

Python中的dropna函数提供了非常便利的方法来处理含有缺失值的数据。我们可以根据不同的需求制定相应的删除策略，甚至可以用其他值来代替缺失值，使数据分析和处理更加高效精准。