如何在Pandas DataFrame中筛选空白行并保留字符串"NA"值？

有两种可行的解决方案，根据你的数据阶段选择：

方案1：导入时直接规避误判 #

如果是从FTP读取CSV类文件，可通过read_csv的参数指定合法缺失值范围，把字符串"NA"排除在外：

import pandas as pd

# 仅将空字符串、"NaN"识别为缺失值，保留合法的"NA"
df = pd.read_csv(
    "你的FTP文件路径",
    keep_default_na=False,
    na_values=["", "NaN"]
)

# 现在直接用isna()筛选所有含空白的行即可
missing_rows = df[df.isna().any(axis=1)]

方案2：已导入数据后的修正处理 #

如果已经完成数据导入，不想重新读取，可单独对"management population"列做特殊判断，再合并其他列的缺失情况：

import pandas as pd

target_col = "management population"

# 其他列的缺失判断：任意列存在缺失值即标记
mask_other = df.drop(columns=[target_col]).isna().any(axis=1)

# 目标列的缺失判断：仅识别真正的空白（np.nan/空字符串/纯空格），排除"NA"
mask_target = (df[target_col].isna()) | (df[target_col].str.strip() == "")

# 合并掩码：只要行内有任意一列需要补全就选中
final_mask = mask_other | mask_target

# 得到需要返回给行政团队补全的行
missing_rows = df[final_mask]

补充说明 #

• 方案1更高效，从源头避免误判，适合还未完成数据导入的场景
• 方案2适合已完成导入、需要快速修正筛选逻辑的场景
• 如果需要处理的空白还包含其他形式（比如"NULL"），可在na_values或mask_target中补充对应判断条件

内容的提问来源于stack exchange，提问作者Jon.Moon