如何在Pandas中删除NaN值但保留列？实现指定数据转换

问题场景 #

原DataFrame：

A    B    C
0  0.0  NaN  NaN
1  NaN  1.0  NaN
2  NaN  NaN  2.0

目标格式（保留所有列，仅保留每列的非NaN值合并为一行）：

A  B  C
0  0  1  2

解决方案 #

有几种简洁的方法可以实现：

方法1：通用型（支持任意数据类型）

对每列提取第一个非NaN值，再转成DataFrame：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'A': [0, np.nan, np.nan],
    'B': [np.nan, 1, np.nan],
    'C': [np.nan, np.nan, 2]
})

result = df.agg(lambda x: x.dropna().iloc[0]).to_frame().T

方法2：数值型列专用

如果你的列都是数值类型，直接用max()或sum()（NaN会被自动忽略）：

result = df.max().to_frame().T
# 或者用sum()，结果一致
# result = df.sum().to_frame().T

方法3：填充法

先向前填充再向后填充，确保所有行都得到有效数值，再取第一行：

result = df.ffill().bfill().head(1)

说明 #

• 方法1兼容性最强，不管列是数值、字符串还是其他类型都能正常提取非NaN值；
• 方法2代码最简洁，但仅适合数值型数据；
• 方法3适合每列至少存在一个非NaN值的场景，填充后取首行即可得到目标结果。

内容的提问来源于stack exchange，提问作者Aryaman