在處理資料集時，資料清理是不可或缺的步驟，刪除不需要的數據或特徵以確保數據的品質是常見的操作，本文將說明資料清理中有關刪除的操作方法，內容包含：

1. 刪除缺失值
2. 刪除重複值

■ 案例

1. 基本資料
   

2.程式碼

import pandas as pd
import numpy as np
data = {'name':['Alan','Joseph','Wennie','Ruby',np.nan,'Tanya','Tanya'],
        'age':[18,23,19,15,np.nan,26,26],
        'weight':[65,80,np.nan,np.nan,np.nan,60,60],
        'height':[168,182,161,np.nan,np.nan,163,163]}
df = pd.DataFrame(data)

■ 實作｜刪除缺失值

Pandas 提供 dropna( how = 'any' 或 'all', subset = ['欄位名稱'] ) 方法刪除缺失值。

• 參數 how 決定刪除的方式，預設 any，只要該筆資料有缺失值，即刪除
• 參數 subset 決定刪除的欄位

1. 刪除任一欄位有缺失值的資料
舉例：刪除案例中，有缺失值的 Wennie、Ruby 和 空白資料

print(df.dropna())

輸出結果：

2. 刪除全部欄位皆有缺失值的資料
舉例：刪除案例中整筆皆空白的資料

print(df.dropna(how='all'))

輸出結果：

3. 可接受缺失值，但刪除過多缺失的資料
當操作時可接受存在部分缺失值時，依照總欄位數量計算，採用參數 thresh 設定非缺失值（正確值）的最少數量。
舉例：案例資料共有四個欄位，最少須有三項數據無缺失，刪除不符合條件者（Ruby、空白）

print(df.dropna(thresh=3))

輸出結果：

4. 刪除特定欄位有缺失值的資料
舉例：刪除案例中 height 欄位有缺失的資料

print(df.dropna(subset=['height']))

輸出結果：

■ 實作｜刪除重複值

當資料集中出現一模一樣的重複資料時，可以使用 drop_duplicates( ) 進行刪除。
舉例：刪除案例中重複的 Tanya 資料，僅保留一筆

print(df.drop_duplicates())

輸出結果：

■ 結語

　　採用刪除的方式雖然非常快速，但也可能會導致分析出現誤差，需要多加考慮使用情況！如果有任何不理解、錯誤或其他方法想分享的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱！

我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】