Python 如何以智能方式删除数据帧中的空副本？

我有一个很大的数据集。它缺少一些数据。数据集包含类型为

string

（对于名称等列）和

float

（对于高度等列）的变量。此数据集中的某些行只是缺少数据的重复行（有时带有后缀号）。我想做的是删除空的副本，保留有数据的副本（有时同一个人可以有两行不同的数据，但这没关系，我想这样保留）

需要知道的一件重要事情是，虽然我将字符串类型列中的空值更改为

np.nan

，但在

float

类型列中，空VAL由

-99.0

表示。顺便问一下，是否将其设置为

-1

而不是

-99.0

？还是没有区别？我稍后将在机器学习模型中使用它

因此，我的解决方案是：

编写一个函数，给定两行索引，返回其中包含更多数据的那一行的索引，如果它们都填充了数据，则同时返回这两行

编写另一个函数遍历数据集，并（使用前面的函数）比较重复项并删除空项

但问题是，这对我来说需要相当多的编码，而且这似乎不是一个真正明智的方法（我知道可能有更好的方法）。更不用说我在用自己的方式做事时遇到的可怕的虫子了

---

不管怎样，你们知道更好的方法吗？甚至不一定是代码，只是一个如何更有效地完成它的想法。提前感谢。

如果您只想删除带有空“NaN”值的列，请运行此命令

df.dropna(subset = ["column_with_empty_NaNs"], inplace=True)

如果要删除包含任何空单元格的行

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

df.dropna(axis=0, how='all', thresh=None, subset=None, inplace=False)

如果要删除包含所有空单元格的行

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

df.dropna(axis=0, how='all', thresh=None, subset=None, inplace=False)

---

如果只想删除具有空“NaN”值的列，请运行以下命令

df.dropna(subset = ["column_with_empty_NaNs"], inplace=True)

如果要删除包含任何空单元格的行

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

df.dropna(axis=0, how='all', thresh=None, subset=None, inplace=False)

如果要删除包含所有空单元格的行

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

df.dropna(axis=0, how='all', thresh=None, subset=None, inplace=False)

---

链接到

dropna（）

函数的参考：链接到

dropna（）

函数的参考：