pandas中df.dropna()删除缺失值的参数详解与实战

核心参数解析

在pandas中，dropna()是处理缺失值（NaN）的核心方法。其完整签名如下：

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

理解各参数对结果的影响是正确使用该函数的关键：

• axis：指定删除维度。0表示按行删除（默认），1表示按列删除。
• how：指定删除条件。'any'表示只要存在NaN即删除（默认）；'all'表示仅当所有值均为NaN时才删除。
• thresh：设定非NaN值的最小数量。若某行（或列）非NaN值少于该整数，则被删除。
• subset：指定参与判断的列标签列表。仅检查这些列中的缺失值，其他列即使有NaN也不影响删除决策。
• inplace：布尔值。为True时直接修改原数据，不返回新对象；为False时返回删除后的新DataFrame。

Series对象处理

对于一维Series对象，dropna()可直接滤除缺失数据。此外，也可利用布尔索引配合notnull()实现相同效果。

import pandas as pd
import numpy as np
from numpy import nan as NaN

# 创建包含NaN的Series
se1 = pd.Series([4, NaN, 8, NaN, 5])
print(se1)

# 方法一：直接使用dropna
se1.dropna()

# 方法二：使用布尔序列过滤
se1[se1.notnull()]

上述两种方法均会返回仅包含非NaN值的Series，索引保持原始顺序。

DataFrame对象处理

处理二维DataFrame时，需根据业务需求选择删除策略。默认情况下，dropna()会删除任何包含NaN值的行。

基础删除示例

假设有一个包含不同缺失情况的DataFrame：

df = pd.DataFrame({
    "name": ['Alfred', 'Batman', 'Catwoman'],
    "toy": [np.nan, 'Batmobile', 'Bullwhip'],
    "born": [pd.NaT, pd.Timestamp("1940-04-25"), pd.NaT]
})
print(df)

执行df.dropna()后，由于第0行和第2行的born列为NaT（Not a Time，时间序列中的NaN），第0行的toy列为NaN，只有第1行完全无缺失值，因此结果仅保留第1行。

按列删除（axis=1）

若需删除包含缺失值的列，可设置axis=1：

df.dropna(axis=1)

此时，只要某列中存在NaN，该列就会被移除。上例中toy列和born列均含缺失值，故仅保留name列。

精确控制删除条件

通过组合how和thresh参数，可实现更精细的控制：

• how='all'：仅删除全为NaN的行。上例中第0行和第2行并非全为NaN，故均被保留。
• thresh=n：保留至少有n个非NaN值的行。例如thresh=2时，第2行有2个非NaN值（name和toy），被保留；第0行仅1个非NaN值，被删除。

# 仅删除全为NaN的行
df.dropna(how='all')

# 保留至少有2个非NaN值的行
df.dropna(thresh=2)

指定列检查（subset）

当只需关注特定列的缺失情况，而忽略其他列的缺失时，使用subset参数：

# 仅检查'name'和'born'列的缺失值
df.dropna(subset=['name', 'born'])

上例中，第0行在born列有NaT，第2行在born列也有NaT，因此这两行均被删除，即使第0行的toy列有值。

原地修改（inplace）

若希望直接修改原始DataFrame以节省内存，可设置inplace=True：

df.dropna(inplace=True)
print(df)

执行后，df对象本身被修改，不再包含缺失行。

综合应用示例

以下代码展示了处理包含多种缺失情况的DataFrame的完整流程：

import pandas as pd
import numpy as np

# 创建示例数据
df1 = pd.DataFrame([
    [1, 2, 3],
    [np.nan, np.nan, 2],
    [np.nan, np.nan, np.nan],
    [8, 8, np.nan]
])

# 1. 默认删除：移除任何含NaN的行
print(df1.dropna())

# 2. 仅删除全为NaN的行
print(df1.dropna(how='all'))

# 3. 添加一列全为NaN的数据
df1[3] = np.nan

# 4. 删除包含NaN的列（axis=1）且仅当全为NaN时
df1.dropna(axis=1, how='all')

# 5. 保留至少有1个非NaN值的行
print(df1.dropna(thresh=1))

# 6. 保留至少有3个非NaN值的行
print(df1.dropna(thresh=3))

通过灵活组合这些参数，可以应对数据清洗中的各种缺失值处理需求。

以上就是pandas中df.dropna()删除缺失值的详细内容，更多关于pandas数据清洗的资料请关注本站其它相关文章！