Dataframe.dropna（axis = 0，how = 'any'，thresh = None，subset = None，inplace = False）
参数：
axis：{0 or ‘index’, 1 or ‘columns’}, default 0，确定是否删除包含缺失值的行或列，在1.0.0版中进行了更改：将元组或列表传递到多个轴上。只允许一个轴。
how：{‘any’, ‘all’}, default ‘any’，当我们有至少一个NA或全部NA时，确定是否从Dataframe中删除行或列，'any'：如果存在任何NA值，则删除该行或列，'all'：如果所有值均为NA，则删除该行或列。
thresh：int, optional，需要许多非NA值。
subset：array-like, optional，要考虑的其他轴上的标签，例如，如果要删除行，这些标签将是要包括的列的列表。
inplace：bool, 默认为False。
官网案例
代码：
df = pd.Dataframe({"name": ['Alfred', 'Batman', 'Catwoman'],
"toy": [np.nan, 'Batmobile', 'Bullwhip'],
"born": [pd.NaT, pd.Timestamp("1940-04-25"),
pd.NaT]})
df
输出：
name toy born 0 Alfred NaN NaT 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT过滤掉有缺失数据
代码：
df.dropna()
输出：
name toy born 1 Batman Batmobile 1940-04-25
但此时df的值是，没有更改，因为inplace=False：
name toy born 0 Alfred NaN NaT 1 Batman Batmobile 1940-04-25 2 Catwoman Bullwhip NaT剩下几个参数
df.dropna(axis='columns') #删除有缺失值的列 df.dropna(how='all') #将所有元素都缺失的行删除 df.dropna(thresh=2) #仅保留至少具有2个非NA值的行 df.dropna(subset=['name', 'born']) #在name和born列中查找缺失值，一旦有缺失值就删除行 df.dropna(inplace=True) #确认覆盖原数据对缺失值的类型解释一下
| 缺失值 | 类型 | 说明 |
| None | NoneType | None不同于空列表和空字符串，是一种单独的格式 |
| NaN | Float | NaN是numpypandas下的，不是Python原生的，Not a Number的简称。 |
| Null | - | 在Python中没有这个NULL，NULL主要是在C语言中，在Python中对应的就是None |
| NaT | Datatime | 非时间空值，Not a Time |
| “” | str | 空字符串 |
官网代码：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Dataframe.dropna.html?highlight=dropna#pandas.Dataframe.dropnahttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Dataframe.dropna.html?highlight=dropna#pandas.Dataframe.dropna
