前言

拿到一堆数据，首先我们是要对其进行数据的预处理，其中数据存在一些值为空或者是我们不想要的数据，对其进行删除或者是修改数据值。下面是对于该例子进行删除和修改：
 

>>> df
out[]:
   salary   age   gender
0   10000    23     男
1   15000    34     女
2   23000    21     男
3     0      20     女
4   28500     0     男
5   35000    37     男

一、数据处理

1. df.replace()方法：将“男”用1来表示，“女孩”用0来表示。

>>> df.replace(["男", "女"], [1, 0])
out[]:
   salary   age   gender
0   10000    23     1
1   15000    34     0
2   23000    21     1
3     0      20     0
4   28500     0     1
5   35000    37     1

2.  pd.DataFrame.loc（）方法来指定列中数据为0的行:

>>> df = df.loc[~((df['salary'] == 0) | (df['age'] == 0))]
>>> df
out[]:
   salary   age   gender
0   10000    23     1
1   15000    34     0
2   23000    21     1
3   35000    37     1

还可以用： 

df = df.loc[df['salary'] * df['age'] != 0]

二、删除某行方法的使用

1.删除全行都是为0的行

代码如下：

>>> df.loc[~(df==0).all(axis=1)]

 看起来比较对称可以这样写：

>>> df.loc[(df!=0).any(axis=1)]

使用dropna方法来删除：

>>> new_df = df[df.loc[:]!=0].dropna()

2.用nan替换零，然后删除所有行中数据都为nan的行。之后，将nan替换为零。

代码如下：

import numpy as np
df = df.replace(0, np.nan)# 把0替换成nan
df = df.dropna(how='all', axis=0)# 删除所有为nan的行
df = df.replace(np.nan, 0)# 再把nan替换成0

 3.删除某行中某个值为0的行

代码如下：|

>>> df= df[df['salary'] != 0]

4.使用lambda函数来删除行

代码如下：
 

import pandas as pd
import numpy as np

np.random.seed(0)

df = pd.DataFrame(np.random.randn(5,3),
                  index=['one', 'two', 'three', 'four', 'five'],
                  columns=list('abc'))

df.loc[['one', 'three']] = 0 # 把第一行和第三行改为0

print(df)
print(df.loc[~df.apply(lambda row: (row==0).all(), axis=1)])

输出为：
 

要在任何行中删除所有值为0的列： 

new_df = df[df.loc[:]!=0].dropna()
new_df

 输出为：