如何在Pandas中删除含缺失值的列，仅保留指定列Age？

嘿，这个需求很好实现，我给你两种靠谱的方法，都能帮你得到只包含Name和Age的DataFrame：

方法一：精准定位要删除的列 #

这种方法最直接，先找出所有有缺失值的列，然后排除Age，只删掉剩下的那些列：

import pandas as pd

# 先构造你的示例DataFrame（方便测试）
df = pd.DataFrame({
    'Age': [25, None, 30, 35],
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Sex': ['F', None, 'M', None]
})

# 第一步：找出所有存在缺失值的列
cols_with_na = df.columns[df.isna().any()]
# 第二步：排除'Age'，得到真正需要删除的列
cols_to_drop = cols_with_na.difference(['Age'])
# 第三步：删除这些列
result_df = df.drop(cols_to_drop, axis=1)

print(result_df)

解释： #

• df.isna().any() 会返回一个布尔系列，标记每一列是否存在缺失值
• 用df.columns[...]提取出所有有缺失的列，再通过difference(['Age'])把Age排除在外，这样就只留下了Sex（也就是你要删除的列）
• 最后用drop()删除目标列，就得到了Name和Age的DataFrame

方法二：拆分合并法 #

如果你觉得上面的步骤有点绕，也可以把Age列单独拎出来，处理剩下的列后再合并回去：

import pandas as pd

df = pd.DataFrame({
    'Age': [25, None, 30, 35],
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Sex': ['F', None, 'M', None]
})

# 提取Age列单独保存
age_column = df['Age']
# 剩下的列删除所有含缺失值的列（这里会删掉Sex，保留Name）
cleaned_other_cols = df.drop('Age', axis=1).dropna(axis=1)
# 合并Age列和处理后的其他列
result_df = pd.concat([cleaned_other_cols, age_column], axis=1)

print(result_df)

解释： #

• 先把Age列单独拿出来，避免被后续的dropna()误删
• 对剩下的列执行dropna(axis=1)，自动删除所有有缺失值的列（这里就是Sex）
• 最后用pd.concat()把Name列和Age列合并，得到目标结果

这两种方法都能完美满足你的需求，你可以根据自己的习惯选择～

内容的提问来源于stack exchange，提问作者Rustem Sadykov