### 如何在 Python 中删除空值 在 Python 的数据处理库 `Pandas` 中，提供了多种方法用于检测和移除空值。对于 DataFrame 或 Series 数据结构中的空值（NaN），可以使用 `dropna()` 方法来删除这些空值所在的行或列[^1]。 以下是具体的代码示例： ```python import pandas as pd # 创建一个包含空值的数据框 data = { 'A': [1, 2, None, 4], 'B': [None, 5, 6, 7], 'C': [9, None, 10, 11] } df = pd.DataFrame(data) print("原始数据:") print(df) # 删除任何含有空值的行 df_cleaned_rows = df.dropna() print("\n删除含空值的行后的数据:") print(df_cleaned_rows) # 删除任何含有空值的列 df_cleaned_columns = df.dropna(axis=1) print("\n删除含空值的列后的数据:") print(df_cleaned_columns) # 只有当某一行的所有值都为空时才删除该行 df_cleaned_all = df.dropna(how='all') print("\n仅删除全为空值的行后的数据:") print(df_cleaned_all) ``` #### 参数说明 - **axis**: 默认为 0 表示按照行的方向操作；如果设置为 1，则表示按照列的方向操作。 - **how**: 设置为 `'any'` 表示只要存在空值就删除对应的行/列；设置为 `'all'` 则只有当整行/列都是空值时才会被删除。 - **subset**: 如果只想针对某些特定的列或者行进行空值判断，可以通过此参数指定子集。 - **inplace**: 若设为 True，则会直接修改原对象而不是返回新的副本。 除了通过 `dropna()` 来彻底清除外，在实际应用中也可以利用 `.fillna(value)` 将缺失值替换为某个固定数值或其他计算逻辑得出的结果[^1]。 --- ### 对于字典类型的操作 虽然问题主要集中在 Pandas 上面提到的内容，但如果涉及的是普通的 Python 字典而非 Pandas 结构的话，那么我们可以采用如下方式去除其中键所对应值为 None 的项[^2]: ```python original_dict = {'a': 1, 'b': None, 'c': 3, 'd': None} cleaned_dict = {k: v for k, v in original_dict.items() if v is not None} print(cleaned_dict) # 输出：{'a': 1, 'c': 3} ``` 这里运用了字典推导式技术，只保留那些值不等于 None 的条目。 ---