【Pandas】pandas DataFrame dropna

Pandas2.2 DataFrame

Missing data handling

方法	描述
DataFrame.fillna([value, method, axis, …])	用于填充 DataFrame 中的缺失值（NaN）
DataFrame.backfill(*[, axis, inplace, …])	用于**使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）**的方法
DataFrame.bfill(*[, axis, inplace, limit, …])	用于**使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）**的方法
DataFrame.dropna(*[, axis, how, thresh, …])	用于删除包含缺失值（NaN）的行或列的方法

pandas.DataFrame.dropna()

pandas.DataFrame.dropna() 是一个用于删除包含缺失值（NaN）的行或列的方法。它是数据清洗中最常用的方法之一，适用于去除不完整数据、准备模型输入、生成干净数据集等场景。

---

📌 方法签名

DataFrame.dropna(*, axis=0, how=<no_default>, thresh=<no_default>, subset=None, inplace=False, ignore_index=False)

---

🔧 参数说明

参数	类型	说明
axis	{0/'index', 1/'columns'}，默认 0	删除方向： - 0：按行删除 - 1：按列删除
how	{'any', 'all'}，默认 'any'	判断是否删除的标准： - 'any'：只要有一个 NaN 就删除 - 'all'：整行/整列全为 NaN 才删除
thresh	int，可选	非空值数量阈值，若某行/列非空值个数 < thresh 则删除
subset	list-like，可选	指定检查哪些列或行（取决于 axis）中的 NaN
inplace	bool，默认 False	是否在原对象上修改
ignore_index	bool，默认 False	是否重置索引（从 0 开始）

---

✅ 返回值

• 返回一个新的 DataFrame，其中满足条件的行或列被删除；
• 如果 inplace=True，则返回 None，原始数据被修改。

---

🧪 示例代码及结果

示例 1：基本用法 - 删除含有任何 NaN 的行（默认）

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [1, 2, np.nan, 4],'B': [5, np.nan, np.nan, 8],'C': [9, 10, 11, 12]
})print("Original DataFrame:")
print(df)# 删除包含任何 NaN 的行
df_cleaned = df.dropna()
print("\nAfter dropna():")
print(df_cleaned)

输出结果：

Original DataFrame:A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  NaN  11
3  4.0  8.0  12After dropna():A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

---

示例 2：设置 how='all' - 只删除全为 NaN 的行

# 构造一行全为 NaN 的数据
df_with_all_nan = pd.DataFrame({'A': [1, np.nan, np.nan, 4],'B': [5, np.nan, np.nan, 8],'C': [9, np.nan, np.nan, 12]
})print("Original DataFrame (with all-NaN row):")
print(df_with_all_nan)# 只删除全为 NaN 的行
df_how_all = df_with_all_nan.dropna(how='all')
print("\nAfter dropna(how='all'):")
print(df_how_all)

输出结果：

Original DataFrame (with all-NaN row):A    B     C
0  1.0  5.0   9.0
1  NaN  NaN   NaN
2  NaN  NaN   NaN
3  4.0  8.0  12.0After dropna(how='all'):A    B     C
0  1.0  5.0   9.0
3  4.0  8.0  12.0

---

示例 3：使用 thresh 参数 - 控制最少非空值数量

# 设置每行至少要有 2 个非空值才保留
df_thresh = df.dropna(thresh=2)
print("\nAfter dropna(thresh=2):")
print(df_thresh)

输出结果：

After dropna(thresh=2):A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
3  4.0  8.0  12

第二行只有一列非空（C=11），所以被删除。

---

示例 4：指定 subset - 仅检查特定列是否有 NaN

# 只检查 'A' 和 'B' 列是否有 NaN
df_subset = df.dropna(subset=['A', 'B'])
print("\nAfter dropna(subset=['A', 'B']):")
print(df_subset)

输出结果：

After dropna(subset=['A', 'B']):A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

虽然第三行 C 列没有问题，但因为 A 或 B 有 NaN，所以也被删除。

---

示例 5：按列删除（axis=1）

# 构造一些列含 NaN
df_col = pd.DataFrame({'X': [1, 2, 3],'Y': [np.nan, np.nan, np.nan],'Z': [7, np.nan, 9]
})print("Original Column-wise DataFrame:")
print(df_col)# 删除全为 NaN 的列
df_col_drop = df_col.dropna(axis=1, how='all')
print("\nAfter dropna(axis=1, how='all'):")
print(df_col_drop)

输出结果：

Original Column-wise DataFrame:X   Y    Z
0  1 NaN  7.0
1  2 NaN  NaN
2  3 NaN  9.0After dropna(axis=1, how='all'):X    Z
0  1  7.0
1  2  NaN
2  3  9.0

列 Y 全为 NaN，因此被删除。

---

示例 6：使用 ignore_index=True 重置索引

# 删除后重置索引
df_reset = df.dropna(ignore_index=True)
print("\nAfter dropna(ignore_index=True):")
print(df_reset)

输出结果：

After dropna(ignore_index=True):A    B   C
0  1.0  5.0   9
1  4.0  8.0  12

---

示例 7：原地修改（inplace=True）

# 原地修改
df.dropna(inplace=True)
print("\nIn-place dropna (modified original):")
print(df)

输出结果（基于示例 1 的数据）：

In-place dropna (modified original):A    B   C
0  1.0  5.0   9
3  4.0  8.0  12

---

🧠 应用场景

• 数据清洗：去除不完整记录；
• 模型训练前预处理：确保输入数据无缺失；
• 统计分析：避免因缺失值影响计算结果；
• 可视化前清理数据：提高图表准确性；
• 链式调用中快速过滤：如 df.dropna().describe()。

---

⚠️ 注意事项

• 默认删除行（axis=0），如需删除列请设置 axis=1；
• 使用 how='any' 更严格，how='all' 更宽松；
• thresh 提供更灵活的控制；
• subset 可限制检查范围，提升效率；
• ignore_index=True 可避免后续操作受索引影响；
• 不会自动排序索引，建议结合 reset_index() 使用；
• 推荐先查看缺失情况（如 isna().sum()）再决定如何处理。

---

✅ 总结对比

参数	功能
how='any'	只要有一个 NaN 就删除
how='all'	整行/列都为 NaN 才删除
thresh=N	至少 N 个非空值才保留
subset=[cols]	仅检查指定列/行中的 NaN
axis=1	删除列而不是行
ignore_index=True	删除后重置索引

你可以根据具体需求选择最适合的参数组合来清理缺失值。