一、dataframe删除空值行
删除空值行是数据清洗中必不可少的一部分。在pandas中，可以使用dropna()函数来删除空值的行。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]})
df.dropna(inplace=True) # inplace参数设为True，可以直接修改原数据
print(df)
上述代码中，我们首先创建一个包含空值的DataFrame，接着使用dropna()函数删除空值行，最后输出处理后的数据。
二、pandas删除空值的列
与删除空值行相对应的是删除空值列。在pandas中，可以使用dropna()函数的axis参数指定删除空值的列。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]})
df.dropna(axis=1, inplace=True)
print(df)
上述代码中，我们同样先创建一个包含空值的DataFrame。接着使用dropna()函数并指定axis参数为1，表示删除列，最后输出处理后的数据。
三、pandas删除空白行
除了空值行外，pandas还可以删除空白行。空白行可能包含有不可见的空白字符。在pandas中，可以使用dropna()函数的how参数设为'all'来删除所有空白行。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [' ', 2, np.nan, 4],
'B': [' ', np.nan, ' ', 8],
'C': [9, 10, 11, 12]})
df.replace(' ', np.nan, inplace=True) # 将空白字符替换为NaN
df.dropna(how='all', inplace=True) # 删除所有空白行
print(df)
上述代码中，我们首先在DataFrame中添加了一些包含空白字符的行。接着使用replace()函数将空白字符替换成NaN，然后使用dropna()函数并指定how参数为'all'来删除所有空白行，最后输出处理后的数据。
四、pandas去除空值行
除了删除空值行外，还有一种操作是去除空值行。去除空值行可以保留原数据，同时也可以减少数据量和提高数据质量。在pandas中，可以使用dropna()函数的thresh参数来指定每行至少含有多少个非空值才保留，从而达到去除空值行的目的。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]})
df.dropna(thresh=2, inplace=True) # 至少含有两个非空值才保留
print(df)
上述代码中，我们使用dropna()函数的thresh参数设为2，表示每行至少含有两个非空值才保留，最后输出处理后的数据。
五、pandas删除空值的行
除了dropna()函数外，pandas中还有一种常用的方法是使用boolean indexing。boolean indexing通常用于根据某些条件过滤数据。在pandas中，可以使用isnull()函数和any()函数来实现。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]})
df = df[~df.isnull().any(axis=1)] # 删除含有空值的行
print(df)
上述代码中，我们首先使用isnull()函数判断数据是否为空值，接着使用any()函数和axis参数设为1，表示只要行中有空值，就视为True。最后使用~运算符将True转为False，得到最终的boolean indexing，即删除含有空值的行。
六、pandas删除空列
除了删除空值行和空白行外，pandas还可以删除空列。在pandas中，可以使用dropna()函数的axis参数设为1来删除空列。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, np.nan]})
df.dropna(axis=1, how='all', inplace=True) # 删除所有空列
print(df)
上述代码中，我们使用dropna()函数的how参数设为'all'来删除所有空列，最后输出处理后的数据。
七、删除空值所在行pandas
与除了空白行和空列外的删除操作相对应的是只删除含有空值的行。在pandas中，可以使用dropna()函数的subset参数来指定哪些列需要判断是否含有空值。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, np.nan]})
df.dropna(subset=['A', 'B'], how='any', inplace=True) # 删除A和B列中含有空值的行
print(df)
上述代码中，我们使用dropna()函数的subset参数指定对'A'和'B'列进行操作，同时使用how参数设为'any'表示只要含有空值就进行删除。
八、pandas删除指定行
除了删除空值行外，pandas中还可以删除指定的行。在pandas中，可以使用drop()函数来实现。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, 3, 4],
'B': [5, 6, 7, 8],
'C': [9, 10, 11, 12]})
df.drop([1, 3], axis=0, inplace=True) # 删除第1和第3行
print(df)
上述代码中，我们使用drop()函数的第一个参数指定要删除的行的索引，第二个参数指定删除行的维度，即axis参数设为0表示按行删除，最后使用inplace参数直接修改原数据。
九、pandas删除含有空值的行
除了删除特定的行外，pandas中还可以删除含有空值的行。在pandas中，可以使用boolean indexing。
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, 7, 8],
'C': [9, 10, 11, 12]})
df = df[df.notnull().all(axis=1)] # 删除含有空值的行
print(df)
上述代码中，我们使用notnull()函数判断数据是否为空值，接着使用all()函数和axis参数设为1，表示整行都非空值才为True。最后使用boolean indexing删除含有空值的行。
结语
本文分别介绍了pandas删除空值行的几种方法，包括删除空值行、删除空值列、删除空白行、去除空值行、删除空列、删除指定行、删除含有空值的行等。同时也对每种方法进行了详细的讲解和代码示例。希望本文能够帮助大家更好地进行数据清洗和处理。
