如何简洁删除DataFrame中含'..'空值占位符的行？

问题背景 #

我的数据集用'..'作为空值占位符，空值分布在所有列中，示例如下：

我需要删除所有包含'..'的行，但之前的方案都不够简洁：

• 尝试用df_GDP_1[df_GDP_1.str.contains("..")==False]一次性处理所有列，直接报错；
• 另一种方法要先改列名去掉空格，再写一堆df_GDP_1.col1 != '..' | df_GDP_1.col2 != '..'的判断，流程太繁琐。

简洁解决方案 #

直接把自定义的空值占位符'..'替换成Pandas识别的标准缺失值pd.NA，再用dropna()一键删除含缺失值的行，完全不用处理列名或逐列判断：

import pandas as pd

# 替换'..'为标准缺失值，然后删除含缺失值的行
df_GDP_1 = df_GDP_1.replace('..', pd.NA).dropna()

执行后，剩下的就是完全没有空值的行，对应示例里的结果是：

为什么之前的方法行不通？ #

• df_GDP_1.str.contains("..")报错是因为：str.contains是Series的方法，DataFrame不能直接用；而且正则里.是通配符，要匹配字面的'..'得写成'\.\.'，就算改成df_GDP_1.apply(lambda x: x.str.contains('\.\.'))，后续筛选逻辑也比替换+dropna复杂。
• 逐列判断的方法其实不用改列名，可以写成df_GDP_1[(df_GDP_1['国家代码'] != '..') & (df_GDP_1['年份'] != '..') & ...]，但列多的话写起来太麻烦，远不如上面的方法高效。

内容的提问来源于stack exchange，提问作者Niamh