LeetCode-2883. 删去丢失的数据

2883. 删去丢失的数据

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。

import pandas as pd


def dropMissingData(students: pd.DataFrame) -> pd.DataFrame:
    return students.dropna(axis=0, how='any', subset=['name'], inplace=False)

# dropna 函数参数定义：
#   axis： 它可以是 {0 or 'index', 1 or 'columns'}。默认为 0。
#       如果 axis=0，则丢弃包含缺失值的行；
#       如果 axis=1，则丢弃包含缺失值的列。
#   how： 确定当我们至少有一个 NA 或全部 NA 时，是否从 DataFrame 中删除行或列。
#   how='any'： 如果存在任何 NA 值，则删除该行或列(默认)。
#   how='all'： 如果所有值都为 NA，则删除该行或列。
#   thresh： 需要多少非 NA 值。这是一个整型参数，需要最小数量的非 NA 值才能保留行/列。
#   subset： 要考虑的另一个轴上的标签，例如，如果您正在删除行，则这些标签将是要包括的列的列表。当您只想考虑某些列中的 NA 值时，这特别有用。
#   inplace： 这是一个布尔值，如果是 True，则对 DataFrame 本身进行更改。
#            在使用 inplace=True 参数时，您修改的是原始的 DataFrame。