Python如何删除含空单元格的DataFrame行及dropna报错解决

报错核心原因 #

AttributeError: 'NoneType' object has no attribute 'dropna' 说明调用dropna()的变量并非有效的pandas DataFrame对象，实际取值为None，常见触发场景如下：

• 你提供的getWeather函数没有补充返回值，外部调用该函数赋值给变量时，默认会拿到None
• 冗余的JSON转换步骤导致pd.json_normalize解析失败，返回了None
• 从MongoDB查询到的记录为空，后续生成DataFrame的步骤异常返回None

优化处理逻辑 #

1. 删除冗余转换：将DataFrame转JSON再用pd.json_normalize转回DataFrame的操作完全多余，除非你有嵌套字段需要平铺，否则直接用MongoDB查询结果生成DataFrame即可
2. 空值兼容：CSV或MongoDB中存储的空字符串不会被dropna默认识别为空值，需要先统一替换为NaN再执行删行操作
3. 增加边界校验：提前判断查询结果是否为空，避免后续操作无意义报错
4. 补充函数返回值：避免外部调用时拿到None

可运行修改版代码 #

def getWeather(self, collection, database):
    import pymongo
    import pandas as pd
    import numpy as np

    print('--------------')
    print(f'database = {database}')
    print(f'collection = {collection}')

    # 建立MongoDB客户端连接
    client = pymongo.MongoClient("mongodb+srv://...")

    # 读取指定集合的全部记录
    records = client[database][collection]
    record_list = list(records.find())
    
    # 校验查询结果非空
    if not record_list:
        print("未从MongoDB中查询到任何有效记录")
        return pd.DataFrame()

    # 直接生成DataFrame，跳过冗余转换步骤
    dataframe = pd.DataFrame(record_list)

    # 将空字符串等无效值统一替换为NaN，方便dropna识别
    dataframe = dataframe.replace('', np.nan)
    
    # 删除包含任意空值的行，符合你的业务需求
    dataframe = dataframe.dropna(axis=0, how='any')

    # 补充返回值，外部调用可直接拿到处理后的DataFrame
    return dataframe

内容的提问来源于stack exchange，提问作者Buster3650