Pandas中如何识别、统计并删除未被isnull()检测到的空白值

问题原因 #

你遇到的空白值是空字符串（""）或带空白字符的字符串，这类值不属于NaN，所以df.isnull().sum()统计不到。下面是具体处理方法：

1. 识别与统计空白值 #

统计纯空字符串数量

# 统计完全为空字符串的行数
empty_count = (df['TX_order'] == '').sum()
print(f"纯空字符串数量：{empty_count}")

统计所有含空白字符的行（包括空格、制表符等）

如果空白值是带空格的字符串（比如" "），需要先去除前后空白再判断：

# 统计所有空白类值的行数（含空格、空字符串）
blank_count = (df['TX_order'].astype(str).str.strip() == '').sum()
print(f"所有空白类值数量：{blank_count}")

查看具体空白值的行

想定位这些行可以用布尔索引筛选：

# 筛选所有空白类值的行
blank_rows = df[df['TX_order'].astype(str).str.strip() == '']
print(blank_rows)

2. 删除空白值行 #

有两种常用方法：

方法一：先转NaN再删除

把空白值转为NaN，再用dropna()统一删除：

import numpy as np

# 将空白类值转为NaN
df['TX_order'] = df['TX_order'].mask(df['TX_order'].astype(str).str.strip() == '')
# 删除含NaN的行
df_cleaned = df.dropna(subset=['TX_order'])

方法二：直接过滤

直接筛选出非空白的行，一步到位：

# 保留非空白的行（自动排除空字符串、空格字符串）
df_cleaned = df[df['TX_order'].astype(str).str.strip() != '']

内容的提问来源于stack exchange，提问作者asmaa mahmoud