如何在 pandas 中删除带有 nan 的行 - Python

在数据分析和处理时，处理缺失值是非常关键的一步。Pandas 提供了一些方法来处理缺失值，包括删除包含 NaN 的行或列。在本文中，我们将介绍如何在 Pandas 中删除带有 NaN 的行。

导入 Pandas 模块

首先，我们需要导入 Pandas 模块。如果您还没有安装 Pandas，可以通过以下命令进行安装:

pip install pandas

然后在 Python 的代码中导入 Pandas 模块：

import pandas as pd

创建包含 NaN 的 DataFrame

我们先创建一个包含 NaN 的 DataFrame。

import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4],
                   'B': [5, np.nan, 7, 8],
                   'C': [9, 10, 11, 12]})
print(df)

输出结果为:

     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  7.0  11
3  4.0  8.0  12

上面的 DataFrame 中有三个列，其中有一些包含 NaN 的值。现在，我们将删除包含 NaN 的行。

删除包含 NaN 的行

我们可以使用 dropna() 方法来删除包含 NaN 的行。该方法将从原始 DataFrame 中删除任何包含 NaN 的行，并返回新的 DataFrame。使用该方法时，有两种方法可用。

方法1：使用默认参数

默认情况下，dropna() 方法会删除包含任何 NaN 的行。我们只需要简单地调用该方法，就可以删除那些包含 NaN 值的行：

df2 = df.dropna()
print(df2)

输出结果为：

     A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

方法2：通过设置参数进行控制

我们也可以使用 dropna() 方法的参数来对删除 NaN 行的过程进行更加的控制。例如，我们可以在执行方法时，指定最小的非 NaN 值的数量，必须至少满足这个条件才能保留该行。或者，我们还可以只删除某些指定列包含 NaN 的行。

下面是一个例子，我们使用 dropna() 方法删除包含 NaN 值的行，并控制只删除某些指定列（即 B）中包含 NaN 值的行。

df3 = df.dropna(subset=['B'])
print(df3)

输出结果为：

     A    B   C
0  1.0  5.0   9
2  NaN  7.0  11
3  4.0  8.0  12

结论

在 Pandas 中，我们可以使用 dropna() 方法轻松删除包含 NaN 值的行。默认情况下，该方法会删除包含任何 NaN 值的行。但是，我们也可以使用参数来对数据的处理过程进行进一步的控制，例如只删除包含某些指定列包含NaN值的行。