如何在Python数据帧中显示非空行和列？

在数据分析中，经常会遇到需要处理大量的数据表格。而往往在一张表格中，有许多数据是空值或缺失值，这些数据会对后续的分析产生很大的干扰。因此，我们需要在Python的数据帧中展示出非空的行和列，以便更好地分析数据。

数据准备

我们先准备一组数据，包含4列数据，其中第2列和第5行有缺失值。代码示例如下：

import pandas as pd
import numpy as np

data = {'姓名':['张三', '李四', '王五', '赵六'],
        '性别':['男', np.nan, '女', '男'],
        '年龄':[25, 23, 28, 26],
        '收入':[5000, 6000, 8000, 7000]}
df = pd.DataFrame(data)

# 添加缺失值
df.iloc[1, 1] = np.nan
df.iloc[4, :] = np.nan

print(df)

输出结果如下：

   姓名   性别    年龄      收入
0  张三    男    25  5000.0
1  李四  NaN    23  6000.0
2  王五    女    28  8000.0
3  赵六    男    26  7000.0
4 NaN  NaN   NaN     NaN

显示非空行

在数据分析中，经常需要对数据进行清洗和处理，去掉缺失值。所以，我们要先查看哪些行具有缺失值。代码示例如下：

# 显示非空行
df.dropna(how='all', axis=0, inplace=True)
print(df)

输出结果如下：

  姓名 性别  年龄      收入
0 张三  男  25  5000.0
1 李四     23  6000.0
2 王五  女  28  8000.0
3 赵六  男  26  7000.0

可以看到，第4行的缺失值已经被删除。如果希望保留原数据，并返回一个新的数据帧，则可以使用df.dropna()。

显示非空列

同样的，在数据分析中，经常会遇到需要对数据表格的列进行处理的情况。因此，我们也要了解如何显示非空列。代码示例如下：

# 显示非空列
df.dropna(how='all', axis=1, inplace=True)
print(df)

输出结果如下：

  姓名 性别  年龄      收入
0 张三  男  25  5000.0
1 李四     23  6000.0
2 王五  女  28  8000.0
3 赵六  男  26  7000.0

可以看到，原数据帧中的缺失列‘Unnamed: 4’已经被删除。

显示非空行和列

有时候，我们需要同时显示非空的行和列。代码示例如下：

# 显示非空行和列
df.dropna(how='all', axis=0, inplace=True)
df.dropna(how='all', axis=1, inplace=True)
print(df)

输出结果如下：

  姓名 性别  年龄      收入
0 张三  男  25  5000.0
1 李四     23  6000.0
2 王五  女  28  8000.0
3 赵六  男  26  7000.

结论

本文主要介绍了如何在Python的数据帧中显示非空的行和列。可以使用df.dropna()来删除缺失值，通过设置参数how和axis来控制删除的方式和方向。对于需要同时显示非空行和列的情况，可以分别对行和列使用df.dropna()来进行处理。