pandas中的dropna（）方法解析
**DataFrame.dropna()方法的作用：**是删除含用空值或缺失值得行或列，语法为：dropna（axis=0，how=‘any’，thresh=None，subset=None，inplace=False）
1. axis:确定过滤的行或列，取值可以为
(1) 0或index：删除包含缺失值的行，默认为0。
（2) 1或columns：删除包含缺失值的列。
2. how:确定过滤的标准，取值可以为：
(1)any:默认值，如果存在NaN值，就删除该行或该列。//有一个就删除行或列
(2)all:如果所有值都是NaN值，就删除该行或该列。 //全部都是才删除行或列
3. thresh:表示有效数据量的最小要求，比如thresh=3，要求该行或该列至少有三个不是NaN值时将其保留。
4. subset:表示在特定的字集中寻找NaN值
5. inplace:表示是否在原数据上操作，如果设为True，则表示直接修改原数据；如果设为False，则表示修改原数据的副本，返回新数据。
接下来，通过一个例子来演示具体dropna()的使用方法，代码如下：
#没有调用参数的效果
#np.nan调用NaN值,不能加引号,要不然为字符串了;None也不能加引号
axis参数的用法：
how参数的用法：
thresh参数的用法：
subset参数的用法：
inplace参数的用法：
#inplace=True，直接在原数据修改，数据后面再调用df_obj，显示的是修改后的数据了，不是以前那个原数据，相当于永久修改。
#inplace=False，创建原数据的副本进行修改，后面再调用df_obj会出现和之前初始df_obj一样的效果，相当于临时修改。
总结
我希望本文为您揭开dropna()方法的神秘面纱，您将能够在您的代码中正确地使用它
作者：KJ.JK
本文为原创，转载需联系作者取得同意