Python数据处理：dropna函数的详细使用教程

dropna函数是干什么的？

你在用Python处理数据时，是不是经常遇到一堆NaN值（缺失值）捣乱？别急，pandas库里的dropna函数就是你的救星！它能一键清理那些不完整的行或列，让数据变得干干净净。简单说，它就像个数据扫帚，扫掉那些“空壳”记录。比如，你从Excel或数据库导出的数据里，有些单元格没填满，dropna就能帮你快速过滤掉这些无效信息，省得手动一个个删。

举个例子，假设你手头有个销售数据表，有些行缺了客户地址或订单金额。直接用dropna扫一遍，这些残缺行就消失了，剩下的全是能用的干货。这功能在数据分析前期特别实用，能避免后续计算出错。

dropna的基本参数：axis和how

dropna的核心在于几个参数，它们像开关一样控制删除逻辑。先看axis：它决定删行还是删列。默认是axis=0，也就是按行删除——只要某行有个NaN，整行就没了。如果设成axis=1，就变成按列删除，比如某列全空着，直接整列清空。

另一个关键参数是how：它设定删除的“严格程度”。默认how='any'表示“宁错杀不放过”——行里有一个NaN就删掉。换成how='all'就宽松多了，只有当整行或整列全空时才动手。比如你有个用户反馈表，如果某行所有字段都缺失（可能是无效提交），这时候用how='all'就能精准清理。

代码示例：
import pandas as pd
df = pd.DataFrame({'A': [1, None, 3], 'B': [4, 5, None]})
# 删掉含任何NaN的行
cleaned_df = df.dropna(axis=0, how='any')

thresh参数：给数据留点“活路”

有时候一刀切删数据太狠了，可能误伤好记录。这时thresh就派上用场了！它设定一个“最低存活标准”：比如thresh=2，意思是某行至少有2个非NaN值才保留。假设你处理天气数据，某行只有温度值缺失，但日期和湿度还在——用thresh就能保住它，避免删过头。

thresh特别适合数据残缺不严重的场景。比如你有个问卷数据集，总共有5个问题，如果某人只漏答1题，设thresh=4就能保留；如果漏答2题以上，再删掉。这样既保证数据质量，又不浪费有效样本。

代码示例：
# 保留至少2个非空值的行
df_keep = df.dropna(thresh=2)
# 对列操作：保留至少3个非空值的列
df_col_clean = df.dropna(axis=1, thresh=3)

subset参数：精准打击目标列

如果只想检查特定列是否缺失，就用subset！它让你锁定几列“重点区域”，其他列爱咋样咋样。比如你的数据表有“姓名”“年龄”“邮箱”三列，你只关心“邮箱”不能空——设subset=['邮箱']，dropna就只看邮箱列，其他列有NaN也不管。

这招在关键字段验证上超实用。想象一个订单系统：订单ID和金额绝不能缺。用subset指定这两列，就能快速筛掉无效订单，避免财务统计出错。

代码示例：
# 只在'A'和'C'列检查NaN
df_sub = df.dropna(subset=['A', 'C'])
# 对行索引操作（删列时）
df_col_sub = df.dropna(axis=1, subset=[0, 2]) # 检查第0行和第2行

inplace参数：直接修改还是保留原数据

最后这个参数inplace关乎“要不要留后路”。默认inplace=False，意思是dropna会生成新表格，原数据不动——安全但占内存。如果设成inplace=True，就直接在原数据上开刀，不留副本。适合你确定数据可覆盖时用，省事！

新手建议先用默认False，万一删错了还能回溯。熟练后，对大文件用True能提速。记住，如果误操作了，没备份的话就只能重跑代码了。

代码示例：
# 安全模式：返回新DataFrame
new_df = df.dropna
# 危险模式：直接修改原数据
df.dropna(inplace=True)

实战案例：从混乱数据到干净表格

理论说完，来个真实场景演练！假设你爬取了电影评分数据，原始表长这样：

目标：清理无效数据。分步操作：

• 删全空行：B电影整行缺失，用how='all'干掉它。
• 保关键字段：电影名和评分不能缺，设subset=['电影名','评分']。
• 灵活留数据：A电影缺票房但不影响分析，设thresh=2保留。

最终代码：

cleaned_df = df.dropna(subset=['电影名','评分'], thresh=2)

结果只剩A电影和C电影——数据立马清爽了！这方法能套用到电商、金融等任何领域，帮你高效提纯数据。