如何识别并删除大型数据集中的完全空列？

你的代码未生效的核心原因是没有将处理后的结果赋值回原DataFrame，replace和dropna默认的inplace=False不会修改原数据，只会返回新的DataFrame。此外还可以简化空值处理逻辑，直接在读取CSV时完成空值识别。

修正后的代码 #

import pandas as pd

# 读取CSV时直接将空字符串识别为NaN
Mydataframe = pd.read_csv('Employee_details.csv', na_values=[""])

# 删除所有完全为空的列，将结果赋值回原变量
Mydataframe = Mydataframe.dropna(how='all', axis=1)

# 保存处理后的数据
Mydataframe.to_csv(r'output.csv', index=False)

# 展示结果
display(Mydataframe)

关键修改点 #

• 读取CSV时使用na_values=[""]，自动把空字符串转为NaN，省去手动替换的步骤。
• 将dropna的处理结果赋值给原变量（也可使用inplace=True，但赋值方式更安全，避免原地修改的副作用）。
• 移除了不必要的numpy导入，pandas自身已具备完整的NaN处理逻辑。

补充说明 #

如果数据中的空值还有其他形式（比如"NA"、"null"），可以扩展na_values的参数：

Mydataframe = pd.read_csv('Employee_details.csv', na_values=["", "NA", "null"])

内容的提问来源于stack exchange，提问作者Shourya