如何删除Python DataFrame中作为缺失值的点（.）

df.dropna() 仅能识别pandas默认的标准缺失值类型，包括np.nan、None、pd.NA。你的数据里作为缺失标识的点符号.是字符串格式，不属于默认缺失值范畴，因此无法被dropna()识别移除。

• 方案1：数据读取阶段提前标记缺失值（推荐）
  如果还在数据导入环节，调用pd.read_csv()、pd.read_excel()等读取接口时，通过na_values参数直接指定.为缺失值标识，读入后这类符号会自动转为标准NaN，后续可直接用dropna()删除：

import pandas as pd
# 读取文件时将.识别为缺失值
df = pd.read_csv("你的本地数据路径.csv", na_values='.')
# 正常执行缺失值删除即可
df_clean = df.dropna()

• 方案2：对已加载完成的DataFrame做替换处理
  如果数据已经读入为DataFrame，先将全表的.替换为标准缺失值，再执行删除操作：

import pandas as pd
import numpy as np

# 将所有值为.的单元格替换为numpy标准缺失值np.nan
df = df.replace('.', np.nan)
# 执行缺失值删除
df_clean = df.dropna()

如果仅部分列存在.形式的缺失值，不需要全表替换，可以指定列操作，减少不必要的性能消耗：

# 仅对col_a、col_b两列做替换
target_cols = ['col_a', 'col_b']
df[target_cols] = df[target_cols].replace('.', np.nan)
df_clean = df.dropna()

如果存在点符号前后带空格的脏数据（比如' .'、'. '），可以用正则匹配做替换，避免漏处理：

# 匹配前后带任意数量空白字符的.，统一替换为缺失值
df = df.replace(r'^\s*\.\s*$', np.nan, regex=True)
df_clean = df.dropna()

内容的提问来源于stack exchange，提问作者Emy