如何移除DataFrame中的空行？使用dropna未获预期结果求助

问题场景 #

我有如下带有空行的DataFrame：

Type         Channel       Agt
0                                       
1     ServiceList          DCS           
2                                       
3                                       
4     ServiceList          WEB           
5                                       
6                                       
7     ServiceSearch         TA     95AKSJAPI     

期望输出为：

Type          Channel       Agt                      
0     ServiceList          DCS                          
1     ServiceList          WEB           
2     ServiceSearch        TA      95AKSJAPI   

我尝试使用df.dropna(inplace=True)，得到的输出却是：

Type        Channel       Agt                     
0     ServiceSearch      TA     95AKSJAPI 

原因分析 #

那些看起来是空的行，并非真正的NaN值，而是空字符串或仅包含空格的字符串。dropna()仅会移除含NaN的行，因此无法处理这类场景。

解决方案 #

方法1：先替换空内容为NaN再删除 #

import pandas as pd
import numpy as np

# 将所有空字符串/仅含空格的内容替换为NaN
df = df.replace(r'^\s*$', np.nan, regex=True)
# 删除含NaN的行
df.dropna(inplace=True)
# 重置索引（让索引从0开始连续，可选）
df.reset_index(drop=True, inplace=True)

方法2：直接过滤非空行 #

通过判断每行是否所有元素都是空/空格来过滤：

# 过滤掉所有元素均为空/空格的行
df = df[~df.apply(lambda x: x.str.strip().eq('').all(), axis=1)]
# 重置索引
df.reset_index(drop=True, inplace=True)

执行上述任意一种方法后，即可得到预期的输出结果。

内容的提问来源于stack exchange，提问作者Rejoy