Python Pandas中删除数据的实用技巧
在进行数据处理时，Pandas提供了多种删除数据的方法。首先，通过`df.info()`函数快速了解数据的基本情况。
1. 索引删除
这部分内容已经在《索引的增、删、改、查》中详细讲解过。
2. 删除缺失值
df.dropna()：用于处理缺失值。有如下参数：
删除一行中所有数据为空的行
可以针对特定列进行操作，例如删除全为空的列
可以设定阈值，如删除列中值大于2500的行
选择性删除特定列如【地区、年份】中出现空值的行
3. 删除特定列或行
`df.drop()`函数可以删除列或行，参数包括：
删除指定列，如【地区、年份】列
删除特定行，如第1、3、5行
同时删除行和列，如删除特定国家/地区列与第1行
4. 删除重复值
使用`df.drop_duplicates()`可以识别并删除重复的值，提供了参数用于精细控制。
5. 删减多列
需要注意的是，`del df[]`操作一次只能删除一列，不能同时删除多个列。