Pandas：如何删除代表不适用的非空0值（无法使用dropna()场景）

默认基于Python pandas库实现，提供两种常用处理思路：

方案1：将0转换为NaN后复用dropna逻辑 #

适合原有逻辑已经基于dropna实现，不想大幅修改代码的场景：

• 全表所有列的0都判定为不适用值时，直接全局替换：

  # 把全表0值替换为NaN
  df = df.replace(0, float('nan'))
  # 按原有逻辑删除含NaN的行，加subset参数可指定要检查的列范围
  df = df.dropna()
  

• 仅指定列的0判定为不适用值时，限定列操作：

  # 仅把col1、col2列的0替换为NaN
  df[['col1', 'col2']] = df[['col1', 'col2']].replace(0, float('nan'))
  # 仅检查col1、col2列，存在NaN就删除对应行
  df = df.dropna(subset=['col1', 'col2'])
  

方案2：直接按条件过滤行，无需修改原始值 #

适合不想改动原数据集的数值类型，一步完成过滤的场景：

• 仅删除指定列存在0的行：

  # 保留col1、col2列都不为0的行
  df = df[(df[['col1', 'col2']] != 0).all(axis=1)]
  

• 删除全表任意列存在0的行：

  # 保留所有列都不为0的行
  df = df[(df != 0).all(axis=1)]
  

注意事项 #

如果数据集里部分列的0属于合法有效值，必须指定操作的列范围，避免误删有效数据。

内容的提问来源于stack exchange，提问作者Josh