python dropna()和notnull()的用法有哪些

1. dropna() 函数用于删除含有缺失值的行或列。它有以下常用参数：

• axis：指定是删除行（axis=0）还是删除列（axis=1）。

• how：指定删除行或列的条件，默认为 any，表示只要存在一个缺失值就删除，也可以设置为 all，表示全部缺失值才删除。

• subset：指定删除行或列的范围，默认为None，表示删除所有含有缺失值的行或列。

示例：

import pandas as pd
data = https://www.yisu.com/ask/{'Name': ['Tom', 'John', 'Amy', 'Emily', 'Mike'],
'Age': [20, 25, None, 30, 35],
'Gender': ['M', 'M', 'F', None, 'M']}
df = pd.DataFrame(data)
# 删除所有含有缺失值的行
df.dropna()
# 删除所有含有缺失值的列
df.dropna(axis=1)
# 删除Age列中含有缺失值的行
df.dropna(subset=['Age'])

2. notnull() 函数用于判断每个元素是否为缺失值，返回一个布尔值的 Series。它可以用于过滤数据集中含有缺失值的行或列。

示例：

import pandas as pd
data = https://www.yisu.com/ask/{'Name': ['Tom', 'John', 'Amy', 'Emily', 'Mike'],
'Age': [20, 25, None, 30, 35],
'Gender': ['M', 'M', 'F', None, 'M']}
df = pd.DataFrame(data)
# 过滤掉所有含有缺失值的行
df = df[df.notnull().all(axis=1)]
# 过滤掉所有含有缺失值的列
df = df[df.notnull().all(axis=0)]