pandas通过dropna方法删除数据中的缺省值

dropna()是Pandas中一个用于删除数据中的缺失值（NaN值）的方法。该方法可以对Series或DataFrame对象进行操作，以下是一些示例用法：

对DataFrame对象使用dropna()方法删除包含NaN值的行或列：

import pandas as pd
import numpy as np

# 创建一个包含NaN值的DataFrame对象
data = {'name': ['Alice', 'Bob', np.nan, 'David'], 'age': [25, 30, np.nan, 40], 'gender': ['F', 'M', 'M', np.nan]}
df = pd.DataFrame(data)

# 删除包含NaN值的行
print(df.dropna())

# 删除包含NaN值的列
print(df.dropna(axis=1))

在这个示例中，我们首先创建了一个包含NaN值的DataFrame对象，然后使用dropna()方法分别删除包含NaN值的行和列。

对Series对象使用dropna()方法删除包含NaN值的元素：

import pandas as pd
import numpy as np

# 创建一个包含NaN值的Series对象
s = pd.Series([1, 2, np.nan, 4, np.nan])

# 删除包含NaN值的元素
print(s.dropna())

在这个示例中，我们首先创建了一个包含NaN值的Series对象，然后使用dropna()方法删除包含NaN值的元素。

需要注意的是，dropna()方法默认会删除包含NaN值的行或列（取决于axis参数的值），但是该方法并不会修改原始数据，而是返回一个新的DataFrame或Series对象，因此需要将其赋值给一个新的变量或在需要时直接使用它。此外，dropna()方法还有其他一些参数，如how参数用于指定删除行或列的条件、thresh参数用于指定保留至少有多少非NaN值的行或列等等，可以根据具体需求进行使用。