Dataframe 排除元素全为NaN的表

DataFrame是Pandas库中常用的数据结构，它是一个二维表格，类似于SQL的表。如果你想要从DataFrame中排除那些所有元素都为NaN（Not a Number，表示缺失值）的行或列，可以采取以下几种方式：

按行过滤：
使用dropna()函数，你可以指定axis=0（默认），这会删除包含任何NaN值的行。例如：
df = df.dropna(how='all') # 删除所有元素为NaN的行
登录后复制

按列过滤：
如果你想基于某一列的全NaN值来操作，可以传递axis=1。例如：
df = df[df.columns[df.isnull().all()]] # 只保留全非NaN的列
登录后复制

使用条件布尔索引：
通过loc或iloc结合布尔数组，也可以达到目的。比如：
df = df.loc[~df.isnull().all(axis=1)] # 删除行，其中所有元素都是NaN
登录后复制

请注意，在处理大型数据集时，这种操作可能会消耗较多内存，因此确保你理解了要去掉哪些内容，再进行操作。

相关问题

Dataframe 判断元素全为NaN

DataFrame 中判断所有元素是否都为 NaN（Not a Number），可以使用 pandas 的 isnull() 函数结合布尔运算进行检查。首先，你需要对 DataFrame 应用 isnull() 函数，这将返回一个布尔型的 DataFrame，其中 True 表示该位置的值是 NaN，False 表示不是。
例如：
import pandas as pd

# 假设 df 是你的 DataFrame
df_with_nans = pd.DataFrame({
'A': [None, np.nan, 5],
'B': [np.nan, np.nan, np.nan]
})

# 检查所有元素是否都为 NaN
all_elements_na = df_with_nans.isnull().all(axis=0)

print(all_elements_na)
登录后复制
axis=0 参数表示沿着列的方向（默认值）进行操作，如果想检查行是否全为 NaN，则将 axis=0 改为 axis=1。
结果会是一个布尔系列，如果所有元素都是 NaN，则对应的位置将是 True。你可以通过 .any() 或者 .all() 来判断是否有任何元素不是 NaN 或者所有元素都是 NaN。

删除dataframe 中所有的NaN

可以使用dropna()函数来删除DataFrame中的所有NaN值。例如，如果DataFrame的变量名为df，则可以使用以下代码来删除所有的NaN值：
df.dropna(inplace=True)
登录后复制
这将在DataFrame中删除所有包含NaN值的行。如果你想删除包含NaN的列，则可以设置参数axis=1：
df.dropna(axis=1, inplace=True)
登录后复制