如何用pd.read_excel()导入Excel后动态去除无效空白行？

核心思路 #

有效数据的Case Number列不会是无效值'xx'，部分场景下还可通过格式规则进一步筛选，以下是两种实用方法：

方法1：直接排除Case Number为'xx'的行

这是最直接的处理方式，快速过滤标记明确的无效行：

import pandas as pd
# 读取外部Excel文件
df = pd.read_excel('https://www.sharkattackfile.net/spreadsheets/GSAF5.xls')
# 保留Case Number不等于'xx'的行
valid_df = df[df['Case Number'] != 'xx']
# 重置索引（可选，让索引连续）
valid_df = valid_df.reset_index(drop=True)

验证：处理后valid_df的行数应与预期的6807行一致。

方法2：通过正则匹配Case Number格式筛选

若存在其他未标记为'xx'的无效行，可利用该数据集Case Number的标准格式（如YYYY.MM.DD）做精准过滤：

import pandas as pd
import re
df = pd.read_excel('https://www.sharkattackfile.net/spreadsheets/GSAF5.xls')
# 匹配4位年份开头的日期格式正则
valid_pattern = r'^\d{4}\.\d{2}\.\d{2}'
# 筛选符合格式的行，na=False处理空值
valid_df = df[df['Case Number'].str.match(valid_pattern, na=False)]
valid_df = valid_df.reset_index(drop=True)

说明：这种方式能覆盖更多边缘无效行，确保数据有效性更严谨。

内容的提问来源于stack exchange，提问作者equanimity