pandas dropna误删全部DataFrame，如何仅删除完全空行？

你当前代码里的dropna()默认会删除任何包含空值（NaN）的行，这就是原本有数据的行也被删掉的原因——那些行里可能存在你没注意到的空单元格。要只删除完全空的行，需要调整参数，同时处理xls文件可能存在的特殊情况：

步骤1：修正dropna参数，只删除全空行 #

把new_df = df.dropna()改成：

new_df = df.dropna(how='all')

how='all'表示只有当某一行的**所有列都是空值（NaN）**时才删除它，这才符合你的需求。

步骤2：处理xls文件中的空字符串（非NaN空值） #

有些自动生成的xls文件里，空单元格会被保存为空字符串''而不是NaN，这时候dropna无法识别。需要先把这些空字符串转换成NaN，再执行删除：

import pandas as pd

# 读取文件
df = pd.read_excel('input.xls', sheet_name='Nouveau concept')
# 将空字符串转为NaN
df = df.replace('', pd.NA)
# 只删除全空行
new_df = df.dropna(how='all')

print(f"处理后行数：{len(new_df)}")
print(f"Dataframe now:\n{new_df}")

步骤3：排查表头识别问题 #

如果上述方法无效，可能是读取时表头识别错误，导致有效数据被当成了表头或者空行。可以尝试指定表头位置，比如明确第一行是表头：

df = pd.read_excel('input.xls', sheet_name='Nouveau concept', header=0)

或者先不指定表头，查看原始数据结构：

df = pd.read_excel('input.xls', sheet_name='Nouveau concept', header=None)
print(df.head(10))

确认有效数据的起始行后，再重新读取（比如header=2表示第三行是表头）。

步骤4：验证空值情况 #

可以先查看每列的空值数量，确认哪些行是真正全空的：

# 查看每列空值数
print(df.isna().sum())
# 查看全空行的数量
print(f"全空行数量：{df.isna().all(axis=1).sum()}")

这能帮你确认是否真的存在全空行，以及有效行里是否有隐藏的空值。

内容的提问来源于stack exchange，提问作者Anibal Jodorcovsky