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
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]
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：
