从 Pandas 数据框中删除列中缺少值或 NaN 的行

在数据分析中，我们经常需要对数据进行清洗，其中一个重要的步骤是删除包含缺失值或 NaN 的行。Pandas 是一个非常强大的 Python 数据分析库，它提供了很多方便的函数来帮助我们进行数据清洗。

在 Pandas 中，我们可以使用 dropna() 函数来删除缺失值或 NaN 的行。dropna() 函数的语法如下：

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

其中，axis 参数表示要删除的轴，0 表示删除行，1 表示删除列（默认为 0）；how 参数表示删除的条件，可以是 any 或 all，any 表示任何一行或列中有缺失值或 NaN 就删除，all 表示所有行或列中都有缺失值或 NaN 才删除；thresh 参数表示每行或每列允许的缺失值或 NaN 的数量；subset 参数表示需要考虑的列名，只对指定的列进行处理；inplace 参数表示是否在原数据框中进行删除（默认为 False）。

下面是一个简单的例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, 12]})
print(df)

# 删除包含缺失值或 NaN 的行
df = df.dropna()
print(df)

输出结果：

     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  NaN  11
3  4.0  8.0  12

     A    B  C
0  1.0  5.0  9
3  4.0  8.0  12

可以看到，原数据框中包含两行缺失值或 NaN，经过 dropna() 函数处理后，这些行被成功删除了，只剩下了两行完整的数据。