>>> import pandas as pd
>>> data = pd.DataFrame([[1.,6.5,3.],[1.],[],[6.5,3.]],index=list('abcd'),columns=list('def'))
>>> data
     d    e    f
a  1.0  6.5  3.0
b  1.0  NaN  NaN
c  NaN  NaN  NaN
d  6.5  3.0  NaN
>>> data.dropna() #任意列只要有一個為空數據，則整行都干掉
     d    e    f
a  1.0  6.5  3.0

方法一：dropna() 其他參數解析

原文鏈接，我們引入了dropna()方法的其他參數。

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

參數說明：

axis:
- axis=0: 刪除包含缺失值的行
- axis=1: 刪除包含缺失值的列
how: 與axis配合使用
- how=‘any’ :只要有缺失值出現，就刪除該行或列
- how=‘all’: 所有的值都缺失，才刪除行或列
thresh： axis中至少有thresh個非缺失值，否則刪除。比如 axis=0，thresh=10：標識如果該行中非缺失值的數量小于10，將刪除改行
subset: list，在哪些列中查看是否有缺失值
inplace: 是否在原數據上操作。如果為真，返回None，否則返回新的copy，去掉了缺失值

>>> data.dropna(axis=0,subset=['e'])  #axis=0,刪除行，在subset的列中進行查看
     d    e    f
a  1.0  6.5  3.0
d  6.5  3.0  NaN

方法二：替換并刪除，Python pandas 如果某列值為空，過濾刪除所在行數據

如上面的data數據，如果希望“e”列數值為空NaN時，刪除對應行也就是“b、c”行數據，保留其他行，用dropna()似乎比較麻煩。這個時候的思路是：

fillna()給空值填充一個數值（如999999）
index.tolist()找出值為填充值所在行的索引
drop根據索引干掉對應的行

>>> data['e']=data['e'].fillna(999999)
>>> find_index=data[(data.e==999999)].index.tolist()
>>> find_index
['b', 'c']
>>> data.drop(find_index)
     d    e    f
a  1.0  6.5  3.0
d  6.5  3.0  NaN