嗨，我来帮你搞定这个问题！先还原一下你给出的示例数据：

你想删除B列包含np.nan的行，先说说你写的两段代码存在的问题：

• 代码#1：df = df[df['B'] != np.nan]，这个写法完全无效。因为np.nan有个特殊性质——它不等于任何值，包括它自己，所以df['B'] != np.nan会返回全False的布尔序列，最后得到的是空DataFrame。
• 代码#2：这段代码没写完，逻辑不完整，没法正确实现删除操作。

接下来给你两种靠谱的解决方案：

方法一：用dropna()（推荐，最简洁直观） #

这是Pandas专门用来删除空值行/列的方法，指定subset参数就能只针对某一列判断空值：

import pandas as pd
import numpy as np

# 先构造示例数据
data = {'A': ['Cell 1', 'Cell 2', np.nan, 'Cell 4'],
        'B': [np.nan, np.nan, 'Cell 3', 'Cell 4']}
df = pd.DataFrame(data)

# 删除B列含空值的行
df = df.dropna(subset=['B'])

执行后得到的结果就是B列无空值的行：

方法二：用notna()过滤行 #

notna()会返回布尔序列，标记每行是否为非空值，用它来索引DataFrame就能保留符合条件的行：

df = df[df['B'].notna()]

这个方法和dropna的效果完全一致，你可以根据自己的习惯选择。

总结一下：处理Pandas里的空值，一定要用专门的isna()/notna()函数或者dropna()方法，别直接用==或!=和np.nan比较，不然很容易踩坑哦～

备注：内容来源于stack exchange，提问作者Task