Pandas DataFrame同索引场景下删除含NaN无效行的实现方法

拼接多个DataFrame产生的带NaN空行，直接用Pandas内置的缺失值删除方法即可实现需求，两种实现方式如下：

方式1：生成全新的清洗后DataFrame（不改动原始拼接数据） #

使用dropna()方法检测并删除存在NaN值的行，赋值给新变量即可：

# 假设你拼接完成的原始DataFrame变量名为combined_df
cleaned_df = combined_df.dropna(axis=0, how="any")

参数说明：

• axis=0：指定按行维度做缺失值检测
• how="any"：只要当前行存在任意一个NaN值，就删除该行，刚好匹配拼接错位产生的无效行

如果你的有效数据行允许部分列存在NaN，为了避免误删，可以指定只根据关键非空列做检测，比如第一列为币种名称列（假设列名为asset），可以改写为：

cleaned_df = combined_df.dropna(subset=["asset"], axis=0)

方式2：直接在原始DataFrame上修改 #

添加inplace=True参数即可在原对象上直接生效，不需要赋值新变量：

combined_df.dropna(axis=0, how="any", inplace=True)
# 如果删除空行后索引不连续，执行下面代码重置索引，得到从0开始的连续行号
combined_df.reset_index(drop=True, inplace=True)

提示：你给出的期望输出中行索引为连续的0、1，如果删完空行发现行号跳变，执行上述reset_index代码即可对齐格式，其中drop=True参数会丢弃原有的旧索引，避免旧索引被存为新的一列。

执行完上述操作后，打印DataFrame即可得到你预期的结果：

0  Bitcoin (BTC)  36568.673315  571130.59220   1.229602e+06
1  Ethereum (ETH) 2550.870272   670225.756425  8.806719e+05

补充：后续做多DataFrame行拼接时，可以提前检查三个源DataFrame的列名、列顺序是否完全一致，能从源头避免拼接错位产生NaN空行的问题。

内容的提问来源于stack exchange，提问作者LukasB3