如何利用Pandas删除某列指定值所在的行_python

默认参数：
data.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

#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'

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）

data.dropna(thresh=2)

#在source和target两列中查找缺失值
data.drop(subset = ["source","target"])

#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

默认参数：
data.drop(
    labels=None,
    axis=0,
    index=None,
    columns=None,
    level=None,
    inplace=False,
    errors='raise',
)

#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)

#删除data中索引为0和1的行
data.drop(index = [0,1])

#删除data中列名为“source”和“target”的列
data.drop(columns=['source', 'target'])

#统计“ZH_Term_len”一列中有多少个0
data["ZH_Term_len"].value_counts()

data[(data.ZH_Term_len == 0)].index.tolist() 

data =  data.drop(index = data[(data.ZH_Term_len == 0)].index.tolist())

data.info()

#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)