Pandas如何删除object类型列的空行？astype(str)转换无效怎么办

你遇到的情况通常是两个原因导致的：一是直接用astype(str)转换会把原生NaN缺失值转为字符串'nan'，而非真的空值；二是残留的空白行不是纯空字符串，还包含空格、制表符、换行符、全角空格等不可见空白字符，同时你之前的reset_index未加inplace=True，修改没有作用到原DataFrame上。

可行解决方案 #

1. 正确转换字符串类型

使用pandas专属的StringDtype类型转换，避免原生缺失值被转为字符串格式：

reviewsCleanDF['clean_review'] = reviewsCleanDF['clean_review'].astype('string')

2. 统一处理所有空白内容

先清除字符串首尾的所有不可见空白字符，再将空白内容统一置为NaN：

import numpy as np
# 清除首尾空白（包含空格、制表符、换行、全角空格等）
reviewsCleanDF['clean_review'] = reviewsCleanDF['clean_review'].str.strip()
# 将空字符串替换为NaN
reviewsCleanDF.loc[reviewsCleanDF['clean_review'] == '', 'clean_review'] = np.nan

3. 删除空行并重置索引

删除空行后重置索引时增加inplace=True参数，让修改直接作用到原DataFrame：

reviewsCleanDF.dropna(subset=['clean_review'], inplace=True)
reviewsCleanDF.reset_index(drop=True, inplace=True)

残留问题排查 #

如果执行完以上步骤还有空白行，可以用以下代码打印该行的原始内容，识别不可见字符后针对性处理：

# 打印目标行的原始内容，不可见字符也会显示
print(repr(reviewsCleanDF.loc[607323, 'clean_review']))

内容的提问来源于stack exchange，提问作者kittyKat