如何在pandas中按多条件删除列：仅删除全为None或空白+None的列

你可以先把列中所有空白类字符串统一转为pandas可识别的缺失值，再判断整列是否全为缺失值，将符合删除条件的列传给df.drop即可，具体代码如下：

import pandas as pd
import numpy as np

# 1. 把全空白字符串（含空字符串、仅含空格/制表符的内容）统一替换为NaN，和None统一为缺失值格式
df = df.replace(r'^\s*$', np.nan, regex=True)
# 2. 删除全为缺失值的列
df.drop(columns=df.columns[df.isna().all()], inplace=True)

代码说明 #

• 正则r'^\s*$'可以匹配所有仅包含空白字符的内容，替换后原本的None、空值、空白值都会被识别为pandas的缺失值
• df.isna().all()会逐列判断是否整列全为缺失值，返回布尔值序列
• df.columns[df.isna().all()]会筛选出所有符合删除条件的列名，传入drop的columns参数即可完成删除

如果需要保留原df不修改，去掉inplace=True参数，把执行结果赋值给新变量即可：

new_df = df.replace(r'^\s*$', np.nan, regex=True).drop(columns=df.columns[df.replace(r'^\s*$', np.nan, regex=True).isna().all()])

效果验证 #

用你提到的示例场景构造测试数据，运行后会自动删除全空的A列、仅含空白和None的C列，保留存在有效数据的B列，完全符合需求。

内容的提问来源于stack exchange，提问作者massu1000