data.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
1-1 axis确定删除存在缺失值的行或者是列
#删除含有缺失值的行
axis=0或axis='index’
#删除含有缺失值的列
axis=1或axis='columns’
1-2 how 确定存在缺失值时，是否删除行或者列
how='all’或how=‘any’。
how='all’时表示删除全是缺失值的行（列）
how='any’时表示删除只要含有缺失值的行（列）
1-3 thresh=n表示保留至少含有n个非na数值的行
data.dropna(thresh=2)
1-4 subset确定要在哪些列中查找缺失值
#在source和target两列中查找缺失值
data.drop(subset = ["source","target"])
1-5 inplace确定是否直接在原DataFrame修改
#删除缺失值后不在原data上修改
inplace = False
#删除缺失值后在原data上修改
inplace = True
2.data.drop
默认参数：
data.drop(
labels=None,
axis=0,
index=None,
columns=None,
level=None,
inplace=False,
errors='raise',
2-1 labels 指定行或者列的名称
#参数axis为0表示在0轴（列）上搜索名为“姓名”的对象，然后删除对象“姓名”对应的行。
data.drop("姓名",axis = 0)
#参数axis为0表示在1轴（行）上搜索名为“姓名”的对象，然后删除对象“姓名”对应的列。
data.drop("姓名"，axis = 1)
2-2 index 指定要删除的行
#删除data中索引为0和1的行
data.drop(index = [0,1])
2-3 columns 指定要删除的列
#删除data中列名为“source”和“target”的列
data.drop(columns=['source', 'target'])
任务需求：删掉“ZH_Term_len”列中值为0的全部行。
3-1 统计0的数量
#统计“ZH_Term_len”一列中有多少个0
data["ZH_Term_len"].value_counts()
3-2 找出0的索引
data[(data.ZH_Term_len == 0)].index.tolist()
3-3 使用drop函数以及index参数删除所在的行
data = data.drop(index = data[(data.ZH_Term_len == 0)].index.tolist())
3-4 查看数据
data.info()
3-5 将索引重新排序
#会将标签重新从零开始顺序排序,使用参数设置drop=True删除旧的索引序列
data = data.reset_index(drop=True)
3-6 统计“ZH_Term_len”列中值的数量
统计后发现，“ZH_Term_len”列中值为0的行已经全部被删除掉。
用loc过滤df。 “~”表示你想要与你的情况相反。 “：”表示希望保留所有列。
在条件中：“&”表示并，“|”表示或
df_AIS=df_AIS.loc[((df_AIS['航
行
状态']==1)&(df_AIS['航速']!=0)&(df_AIS['时间']!=0)),:]
上述代码表示选取航
行
状态为1，航速不为0，时间不为0的航段
df_AIS=df_AIS.loc[~((df_AIS['航
行
状态']==1)&(df_AIS['航速']!=0
该函数目的是用于滤除缺失数据。如果对象是Series,则返回一个仅含非空数据和索引
值
的Series，默认丢弃含有缺失
值
的
行
。
对象.dropna()。DataFrame则不一样了:
data.dropna(how = 'all') # 传入这个参数后将只丢弃全为缺失
值
的那些
行
data.dropna(axis = 1) # 丢弃有缺失
值
的列（一般不会这么做，这样会删掉一个特征）
data.dropna(axis=1,how="all") # 丢弃全为缺失
值
的那些列
data.dro...
本文详细介绍了
pandas
运用.drop()方法
删除
特定
行
与列的方，包括 按条件
删除
单
行
、多
行
、单列、多列、多条件
删除
与数据框替换应用实例讲解，对于初学者是很好的教材，对于有经验的使用者，是一个备查工具。
df = df.drop('column_name', axis=1)
需要注意的是，默认情况下，
删除
的是
行
(即axis=0)。如果想要永久
删除
，需要将结果赋
值
回原来的DataFrame中。
以上就是
pandas
删除
某
行
某列
数据的用法，drop()相对于del()来说，灵活性更高，更为实用。（2）、没有加入inplace参数，默认不会对原来数据进
行
修改，需要将结果赋
值
给新的变量。对象，使用
pandas
读取数据文件后，数据就以DataFrame数据结构存储在内存中。注意（1）、
删除
列的操作时，axis参数不可省，因为axis默认为0（
行
）；此操作会对原数据df进
行
删除
，且一次只能
删除
一列。注DataFrame是最常用的。语法deldf[‘列名’]实例3同时
删除
多
行
多列。......
