pandas.dropna()的thresh参数到底怎么用？

[景韦]

网上各种说法都有，保留n个具有NaN值的行，保留NaN数量是n的行，保留NaN数量最少的n行等等
官方文档里写得也很含糊
我自己也试了半天，没找到什么规律，有谁能解释下吗？

In [6]: data
Out[6]: 
    0     1     2     3   4
0  32  38.0  11.0  69.0  34
1  59   NaN   NaN   NaN  62
2  14  79.0   NaN   NaN  78
3  77  76.0  17.0   NaN  89
4   6  40.0  53.0  60.0  70

In [7]: data.dropna(thresh=1)
Out[7]: 
    0     1     2     3   4
0  32  38.0  11.0  69.0  34
1  59   NaN   NaN   NaN  62
2  14  79.0   NaN   NaN  78
3  77  76.0  17.0   NaN  89
4   6  40.0  53.0  60.0  70

In [8]: data.dropna(thresh=2)
Out[8]: 
    0     1     2     3   4
0  32  38.0  11.0  69.0  34
1  59   NaN   NaN   NaN  62
2  14  79.0   NaN   NaN  78
3  77  76.0  17.0   NaN  89
4   6  40.0  53.0  60.0  70

In [9]: data.dropna(thresh=3)
Out[9]: 
    0     1     2     3   4
0  32  38.0  11.0  69.0  34
2  14  79.0   NaN   NaN  78
3  77  76.0  17.0   NaN  89
4   6  40.0  53.0  60.0  70

[zyq_sunny]

@景韦 后面是不是需要加上inplace = True， 不然结果修改不了哈

[景韦]

又自己解决了，在stackoverflow找到了答案，国内博客论坛真不给力了，都是各种误导 应该是保留至少有n个非NaN数据的行/列 例子里0，1，2，3，4行的非NaN数据数量分别是5，2，3，4，5，因此thresh=1和2都满足 但thresh=3的时候1行非NaN数据数量不满足，因此丢弃了1行数据

[nrb123]

太强了，亲试，确实如此