Python?pandas中DataFrame.dropna()刪除缺失值用法實(shí)例
更新時(shí)間：2025年06月30日 09:46:19 作者：weixin_44865058
在Python的Pandas庫(kù)中DataFrame對(duì)象是處理二維表格數(shù)據(jù)的核心結(jié)構(gòu),下面這篇文章主要介紹了Python?pandas中DataFrame.dropna()刪除缺失值用法的相關(guān)資料,需要的朋友可以參考下
前言
在 Pandas 中，DataFrame.dropna() 用于刪除缺失值（NaN 或 None），是數(shù)據(jù)清洗的關(guān)鍵操作。以下是詳細(xì)用法和常見(jiàn)場(chǎng)景：
1. 基本語(yǔ)法
cleaned_df = df.dropna(
axis=0, # 刪除行（默認(rèn)）或列（axis=1）
how='any', # 'any'（默認(rèn)，存在缺失即刪除）或 'all'（全為缺失才刪除）
thresh=None, # 保留非缺失值數(shù)量≥thresh的行/列
subset=None, # 僅檢查指定列的缺失情況
inplace=False # 是否原地修改（False時(shí)返回新DataFrame）
)
2. 核心參數(shù)詳解
| 參數(shù) | 說(shuō)明 | 示例 |
|---|---|---|
| axis | 0 或 'index'：刪除包含缺失值的行（默認(rèn)）1 或 'columns'：刪除列 | df.dropna(axis=1) |
| how | 'any'：行/列中任一缺失即刪除'all'：行/列全部缺失才刪除 | df.dropna(how='all') |
| thresh | 保留至少含 thresh 個(gè)非缺失值的行/列（優(yōu)先級(jí)高于 how） | df.dropna(thresh=3) |
| subset | 僅對(duì)指定列（列表形式）檢查缺失值 | df.dropna(subset=['Age', 'Salary']) |
| inplace | True：直接修改原DataFrame，不返回新對(duì)象False：返回新DataFrame（默認(rèn)） | df.dropna(inplace=True) |
3. 常見(jiàn)使用場(chǎng)景
(1) 刪除所有含缺失值的行（默認(rèn)行為）
import pandas as pd
import numpy as np
df = pd.DataFrame({
'A': [1, np.nan, 3],
'B': ['x', np.nan, 'z'],
'C': [10, 20, 30]
})
cleaned_df = df.dropna()
print(cleaned_df)
輸出：
A B C
0 1.0 x 10
2 3.0 z 30
(2) 刪除所有含缺失值的列
cleaned_df = df.dropna(axis=1) print(cleaned_df)
輸出：
C
0 10
1 20
2 30
(3) 僅當(dāng)整行全為缺失值時(shí)刪除
cleaned_df = df.dropna(how='all')
(4) 保留至少2個(gè)非缺失值的行
cleaned_df = df.dropna(thresh=2)
(5) 僅檢查特定列的缺失值
cleaned_df = df.dropna(subset=['A', 'B'])
4. 注意事項(xiàng)
- 缺失值類型：Pandas 將
None和np.nan均視為缺失值。 - 性能優(yōu)化：對(duì)大型DataFrame，
thresh比how更高效。 - 替代方案：若不想刪除數(shù)據(jù)，可用
df.fillna()填充缺失值。
5. 可視化對(duì)比
原始數(shù)據(jù) (df)：
| A | B | C |
|---|---|---|
| 1.0 | ‘x’ | 10 |
| NaN | NaN | 20 |
| 3.0 | ‘z’ | 30 |
執(zhí)行 df.dropna() 后：
| A | B | C |
|---|---|---|
| 1.0 | ‘x’ | 10 |
| 3.0 | ‘z’ | 30 |
通過(guò)靈活組合參數(shù)，dropna() 可以精準(zhǔn)控制數(shù)據(jù)清洗的粒度，是處理缺失值的利器！
總結(jié)
到此這篇關(guān)于Python pandas中DataFrame.dropna()刪除缺失值用法的文章就介紹到這了,更多相關(guān)pandas DataFrame.dropna()刪除缺失值內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python函數(shù)中不定長(zhǎng)參數(shù)的寫(xiě)法
今天小編就為大家分享一篇關(guān)于Python函數(shù)中不定長(zhǎng)參數(shù)的寫(xiě)法，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2019-02-02
Python?Pandas數(shù)據(jù)處理高頻操作詳解
這篇文章主要為大家整理了一些Python?Pandas數(shù)據(jù)處理高頻操作，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定的幫助，需要的可以參考一下2022-06-06
Pygame是一組用來(lái)開(kāi)發(fā)游戲軟件的 Python 程序模塊,Pygame 在 SDL（Simple DirectMedia Layer） 的基礎(chǔ)上開(kāi)發(fā)而成,它提供了諸多操作模塊,本文給大家介紹了Python中pygame游戲模塊的用法,需要的朋友可以參考下2024-01-01
這篇文章主要為大家詳細(xì)介紹了python編程實(shí)現(xiàn)維吉尼亞算法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-03-03
今天小編就為大家分享一篇python 將字符串完成特定的向右移動(dòng)方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06
每天都是浪漫七夕！這篇文章主要為大家詳細(xì)介紹了python愛(ài)心表白，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-08-08
這篇文章主要為大家介紹了python回歸分析邏輯斯蒂模型之多分類任務(wù)詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-09-09
Pandas數(shù)據(jù)結(jié)構(gòu)中Series屬性詳解
本文主要介紹了Pandas數(shù)據(jù)結(jié)構(gòu)中Series屬性詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-04-04
這篇文章主要介紹了python UDP 編程的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-08-08
這篇文章主要介紹了Python 權(quán)限控制模塊 Casbin，Casbin是一個(gè)強(qiáng)大的、高效的開(kāi)源訪問(wèn)控制框架，其權(quán)限管理機(jī)制支持多種訪問(wèn)控制模型，更多相關(guān)內(nèi)容感興趣的朋友可以參考下面文章內(nèi)容2022-06-06