题目
DataFrame students
+-------------+--------+
| Column Name | Type |
+-------------+--------+
| student_id | int |
| name | object |
| age | int |
+-------------+--------+
在 name 列里有一些具有缺失值的行。
编写一个解决方案，删除具有缺失值的行。
返回结果格式如下示例所示。
示例 1:
输入：
+------------+---------+-----+
| student_id | name | age |
+------------+---------+-----+
| 32 | Piper | 5 |
| 217 | None | 19 |
| 779 | Georgia | 20 |
| 849 | Willow | 14 |
+------------+---------+-----+
输出：
+------------+---------+-----+
| student_id | name | age |
+------------+---------+-----+
| 32 | Piper | 5 |
| 779 | Georgia | 20 |
| 849 | Willow | 14 |
+------------+---------+-----+
解释：
学号为 217 的学生所在行在 name 列中有空值，因此这一行将被删除。
思路
- 使用df的dropna(axis, how)方法，因为要删的是行，所以axis=0；因为要求只要有某个数据是空值就删除，所以how="any"；原地替换：inplace=True；只考虑"name"列（这个题目写的也太烂，要考虑的是name列，需求竟然没有写只考虑name列，而是在background写了而已，辣鸡）：subset=["name"]。
代码实现
import pandas as pd
def dropMissingData(students: pd.DataFrame) -> pd.DataFrame:
students.dropna(axis=0, how="any", subset=["name"], inplace=True)
return students知识积累
- 删除空值数据：df.dropna(axis, how, thresh, subset, inplace)
- axis：待删轴。0或"index"为删除行数据，1或"columns"为删除列数据，默认为0。
- how：筛选方法。"any"为只要有控制就删除对应轴的数据，"all"为该轴全空才删除，默认为"any"。
- thresh：非空元素最低数量。如果该轴的非空元素数量小于该值，则删除该轴数据，默认为None，int类型。
- subset：子集。如果待删的是行数据，那么subset的元素就是列索引；如果待删的是列数据，那么subset的元素就是行索引。subset的区域是判断该轴是否删除的判断依据。
- inplace：是否原地替换，默认为False。