让Python和dropna方法一起使用'；不适用'；价值观

我有一个csv文件，其中字段中的一些值为N/a。我尝试了几种方法来消除那些无法消除的值，我也不理解

dropna（）

函数是如何工作的

例如：

name, Age, Status, Ally, 21, Single, Daniel, 32, Single, John, N/A, Married, Baker, 25, Single, Josh, N/A, Married 姓名、年龄、身份、， 艾丽，21岁，单身， 丹尼尔，32岁，单身， 约翰，不适用，已婚， 贝克，25岁，单身， 乔希，不适用，已婚 我正在尝试使用dropna方法删除“N/A”值。 我希望结果返回一个包含年龄的列表，如

[21,32,25]

如何执行此操作？

使用读取CSV文件并指定

skipinitialspace=True

。这将启用默认的“N/A”检测，前导空格阻止该检测工作

>>> from pandas import read_csv
>>> df = read_csv('input.csv', skipinitialspace=True)
>>> df
     name  Age   Status  Unnamed: 3
0    Ally   21   Single         NaN
1  Daniel   32   Single         NaN
2    John  NaN  Married         NaN
3   Baker   25   Single         NaN
4    Josh  NaN  Married         NaN

最后一列为空，是大多数行末尾的尾随

，

的结果。您可以删除它：

>>> df.drop(df.columns[-1], axis=1, inplace=True)
>>> df
     name  Age   Status
0    Ally   21   Single
1  Daniel   32   Single
2    John  NaN  Married
3   Baker   25   Single
4    Josh  NaN  Married

然后可以删除不需要的行：

>>> df.dropna(inplace=1)
>>> df
     name  Age  Status
0    Ally   21  Single
1  Daniel   32  Single
3   Baker   25  Single

最终清单如下所示：

>>> ages = list(df['Age'])
>>> ages
[21.0, 32.0, 25.0]
>>> # or, if you want ints...
>>> ages = list(df['Age'].astype(int))
>>> ages
[21, 32, 25]

---

以下是简短的版本：

>>> df = read_csv('input.csv', skipinitialspace=True)
>>> ages = list(df.drop(df.columns[-1], axis=1).dropna()['Age'].astype(int))
>>> print ages
[21, 32, 25]

---

欢迎来到SO。发布你的相关代码，并确保格式化你的样本数据，因为它是在你的CSV文件。好的，我明白你的意思。现在，假设df=read_csv（'input.csv'，skipinitialspace=True）在'input.csv'部分，我想这样做，file='c:\somepath\input.csv'，然后df=read_csv（file，skipinitialspace=True），当我使用它时，它不起作用。它表示该参数假定为字符串。请尝试使用原始字符串作为文件名：

filename=r'c:\somepath\input.csv'；df=read\u csv（文件名，skipinitialspace=True）

。您可能会发现这是相同的，但是使用原始字符串可以避免由于反斜杠而形成特殊字符的问题，例如

\n

，

\t

等。。非常感谢你的帮助。感谢你的帮助。如果这已经回答了你的问题（我很确定它已经回答了），那么你应该接受它。