非原创，ChatGPT 问答生成

在 Pandas 中，fillna 和 dropna 都可以基于整个 DataFrame 操作，也可以按行或列进行操作。具体方法如下：

fillna 按行或列填充

fillna 方法可以指定 axis 参数来按行或列填充缺失值。

• axis=0（默认）：按列填充（对每一列进行操作）。
• axis=1：按行填充（对每一行进行操作）。

示例代码

import pandas as pd
import numpy as np

# 创建带有缺失值的 DataFrame
data = {'A': [1, np.nan, 3], 'B': [4, 5, np.nan]}
df = pd.DataFrame(data)

# 按列填充缺失值（将每列的缺失值填充为该列的均值）
df_filled_columns = df.apply(lambda col: col.fillna(col.mean()), axis=0)

# 按行填充缺失值（将每行的缺失值填充为该行的均值）
df_filled_rows = df.apply(lambda row: row.fillna(row.mean()), axis=1)

print("按列填充缺失值：")
print(df_filled_columns)
print("\n按行填充缺失值：")
print(df_filled_rows)

dropna 按行或列丢弃

dropna 方法可以通过 axis 参数来指定按行或列丢弃缺失值。

• axis=0（默认）：按行丢弃（丢弃包含缺失值的行）。
• axis=1：按列丢弃（丢弃包含缺失值的列）。

此外，可以使用 thresh 参数来指定需要保留的非缺失值的数量。

示例代码

# 按行丢弃缺失值
df_dropped_rows = df.dropna(axis=0)

# 按列丢弃缺失值
df_dropped_columns = df.dropna(axis=1)

# 设置阈值，至少需要1个非缺失值
df_dropped_thresh = df.dropna(thresh=1)

print("按行丢弃缺失值：")
print(df_dropped_rows)
print("\n按列丢弃缺失值：")
print(df_dropped_columns)
print("\n设置阈值丢弃缺失值：")
print(df_dropped_thresh)

示例数据

假设有如下数据：

data = {'A': [1, np.nan, 3], 'B': [4, 5, np.nan]}
df = pd.DataFrame(data)

按列填充缺失值（例如，用列的均值填充）：

df_filled_columns = df.apply(lambda col: col.fillna(col.mean()), axis=0)

结果：

     A    B
0  1.0  4.0
1  2.0  5.0
2  3.0  4.5

按行填充缺失值（例如，用行的均值填充）：

df_filled_rows = df.apply(lambda row: row.fillna(row.mean()), axis=1)

结果：

     A    B
0  1.0  4.0
1  5.0  5.0
2  3.0  3.0

按行丢弃缺失值：

df_dropped_rows = df.dropna(axis=0)

结果：

     A    B
0  1.0  4.0

按列丢弃缺失值：

df_dropped_columns = df.dropna(axis=1)

结果：

     B
0  4.0
1  5.0

通过这些方法，您可以灵活地处理 Pandas DataFrame 中的缺失值，按需填充或丢弃特定行或列。