刪除表中的某一行或者某一列更明智的方法是使用drop，它不改變原有的df中的數據，而是返回另一個dataframe來存放刪除后的數據。
（1）清理無效數據
df[df.isnull()] #返回的是個true或false的Series對象（掩碼對象），進而篩選出我們需要的特定數據。
df[df.notnull()]
df.dropna() #將所有含有nan項的row刪除
df.dropna(axis=1,thresh=3) #將在列的方向上三個為NaN的項刪除
df.dropna(how='ALL') #將全部項都是nan的row刪除
此處：print( data.dropna()) 和 print(data[data.notnull()]) 結果一樣
（2）填充無效值
df.fillna(0)
df.fillna({1:0, 2:0.5}) #對第一列nan值賦0，第二列賦值0.5
df.fillna(method='ffill') #在列方向上以前一個值作為值賦給Na
注意：凡是會對原數組作出修改並返回一個新數組的，往往都有一個 inplace可選參數。如果手動設定為True（默認為False），那么原數組直接就被替換。也就是說，采用inplace=True之后，原數組名（如2和3情況所示）對應的內存值直接改變；
而采用inplace=False之后，原數組名對應的內存值並不改變，需要將新的結果賦給一個新的數組或者覆蓋原數組的內存位置（如1情況所示）。
（3）astype函數的使用：數據類型轉換
df['Name'] = df['Name'].astype(np.datetime64)
DataFrame.astype() 方法可對整個DataFrame或某一列進行數據格式轉換，支持Python和NumPy的數據類型。