DataFrame students
+-------------+--------+
| Column Name | Type |
+-------------+--------+
| student_id | int |
| name | object |
| age | int |
+-------------+--------+
在 name 列里有一些具有缺失值的行。
编写一个解决方案，删除具有缺失值的行。
返回结果格式如下示例所示。
示例 1:
输入：
+------------+---------+-----+
| student_id | name | age |
+------------+---------+-----+
| 32 | Piper | 5 |
| 217 | None | 19 |
| 779 | Georgia | 20 |
| 849 | Willow | 14 |
+------------+---------+-----+
输出：
+------------+---------+-----+
| student_id | name | age |
+------------+---------+-----+
| 32 | Piper | 5 |
| 779 | Georgia | 20 |
| 849 | Willow | 14 |
+------------+---------+-----+
解释：
学号为 217 的学生所在行在 name 列中有空值，因此这一行将被删除。
题目的意思是学生信息的 pandas DataFrame 中name 列中有一些行缺少值(None 或 NaN)，有丢失的数据。想要把缺失数据的行数据删除掉。
要解决这个问题，可以使用 pandas 的 dropna 函数从 DataFrame 中删除那些缺少名称的行。
dropna 函数定义：
dropna 函数： dropna 函数属于 pandas DataFrame 并且被用来移除缺失的值。在 pandas 中，缺失的数据通常由 NaN(非数字的缩写)值表示，题目中显示为 None，也被 pandas 认为是缺失值。
dropna 函数参数定义：
axis： 它可以是 {0 or ‘index’, 1 or ‘columns’}。默认为 0。如果 axis=0，则丢弃包含缺失值的行；如果 axis=1，则丢弃包含缺失值的列。 how： 确定当我们至少有一个 NA 或全部 NA 时，是否从 DataFrame 中删除行或列。 how=’any’： 如果存在任何 NA 值，则删除该行或列(默认)。 how=’all’： 如果所有值都为 NA，则删除该行或列。 thresh： 需要多少非 NA 值。这是一个整型参数，需要最小数量的非 NA 值才能保留行/列。 subset： 要考虑的另一个轴上的标签，例如，如果您正在删除行，则这些标签将是要包括的列的列表。当您只想考虑某些列中的 NA 值时，这特别有用。 inplace： 这是一个布尔值，如果是 True，则对 DataFrame 本身进行更改。请记住，在使用 inplace=True 参数时，您修改的是原始的 DataFrame。如果出于任何原因需要保留原始数据，请避免使用 inplace=True，而是将结果赋给新的 DataFrame。
对于题目我们只考虑 name 列，所以我们设置了 subset=[‘name’]。students.dropna(subset=[‘name’], inplace=True) ,该参数告诉 dropna 在查找缺失值时只考虑 name 列。也就是说只有 name 列缺少值的行才会被删除。我们需要修改原始的 DataFrame，所以设置 inplace=True。通过将 inplace 设置为 True，我们直接修改了原来的 students DataFrame。如果设置为 False(或省略)，则会返回包含删除行的新 DataFrame，而原来的 students DataFrame 将保持不变。
import pandas as pd
def dropMissingData(students: pd.DataFrame) -> pd.DataFrame:
students.dropna(subset=[name], inplace=True)
return students
