处理缺失数据最简单的方法就是：将包含确实数据的特征（列）或者样本（行）从数据集中删除。可通过dropna方法来删除数据集中包含缺失值的行：
类似地，我们可以将axis参数设为1，以删除数据集中至少包含一个NaN值的列：
dropna方法还支持其他参数，以应对各种缺失值的情况：
删除缺失数据看起来像是一种非常方便的方法，但也有一定的缺点，如：我们可能会删除过多的样本，导致分析结果可靠性不高。从另一方面讲，如果删除了过多的特征列，有可能会面临丢失有价值信息的风险，而这些信息是分类器用来区分类别所必需的。在下一节，我们将学习另外一种最常用的处理缺失数据的方法：插值技术。