在 Pandas 中，处理缺失值并将其剔除主要可通过 dropna() 方法实现。下面为你详细介绍不同场景下使用该方法剔除缺失值的操作：

剔除包含缺失值的行

若要删除数据中任意列包含缺失值的行，可以使用 dropna() 方法，且不指定参数。以下是示例代码：

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
}
df = pd.DataFrame(data)

# 剔除包含缺失值的行
df_dropped_rows = df.dropna()
print("剔除包含缺失值的行后的数据：")
print(df_dropped_rows)

在上述代码中，dropna() 方法会检查每一行，只要该行存在缺失值，就将其删除。

剔除包含缺失值的列

如果要删除包含缺失值的列，可以通过设置 axis=1 参数来实现。示例如下：

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
}
df = pd.DataFrame(data)

# 剔除包含缺失值的列
df_dropped_columns = df.dropna(axis=1)
print("剔除包含缺失值的列后的数据：")
print(df_dropped_columns)

这里 axis=1 表示按列操作，即只要某列存在缺失值，就将该列删除。

按特定条件剔除缺失值

若只想在某些列存在缺失值时才删除行，可以通过 subset 参数指定这些列。示例代码如下：

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
}
df = pd.DataFrame(data)

# 仅当 'A' 列存在缺失值时删除行
df_dropped_specific = df.dropna(subset=['A'])
print("仅当 'A' 列存在缺失值时删除行后的数据：")
print(df_dropped_specific)

在这个例子中，subset=['A'] 表示只有当 A 列存在缺失值时，才会删除对应的行。

剔除缺失值占比超过一定阈值的行或列

你可以结合 thresh 参数来删除缺失值占比超过一定数量的行或列。示例如下：

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
}
df = pd.DataFrame(data)

# 剔除缺失值数量超过 1 个的行
df_dropped_threshold = df.dropna(thresh=len(df.columns) - 1)
print("剔除缺失值数量超过 1 个的行后的数据：")
print(df_dropped_threshold)

上述代码里，thresh=len(df.columns) - 1 表示每行至少要有 len(df.columns) - 1 个非缺失值，否则该行会被删除。

以上代码展示了使用 Pandas 处理缺失值并将其剔除的不同方式，你可以根据实际需求进行选择和调整。

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
data = {
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
}
df = pd.DataFrame(data)

# 剔除包含缺失值的行
df_dropped_rows = df.dropna()
print("剔除包含缺失值的行后的数据：")
print(df_dropped_rows)

# 剔除包含缺失值的列
df_dropped_columns = df.dropna(axis=1)
print("剔除包含缺失值的列后的数据：")
print(df_dropped_columns)

# 仅当 'A' 列存在缺失值时删除行
df_dropped_specific = df.dropna(subset=['A'])
print("仅当 'A' 列存在缺失值时删除行后的数据：")
print(df_dropped_specific)

# 剔除缺失值数量超过 1 个的行
df_dropped_threshold = df.dropna(thresh=len(df.columns) - 1)
print("剔除缺失值数量超过 1 个的行后的数据：")
print(df_dropped_threshold)