Pandas DataFrame如何删除值全为字符串'nan'的列和行

核心问题原因 #

• 执行df = df.applymap(str)后，pandas原生缺失值NaN被转换为字符串类型的'nan'，不属于dropna方法默认识别的空值范畴，因此原生删除空值的方法失效
• 原循环代码失效有两个原因：一是遍历过程中动态删除列会导致列的位置索引偏移，出现漏判；二是drop方法的columns参数需要传入列名，原代码传入的是列的位置序号，参数不匹配导致删除操作未生效

推荐实现代码（向量化操作，效率更高） #

删除所有值全为字符串'nan'的列 #

df = df.loc[:, ~(df == 'nan').all(axis=0)]

删除所有值全为字符串'nan'的行 #

df = df.loc[~(df == 'nan').all(axis=1), :]

如果你的数据中可能存在大小写不一致的'Nan'/'NAN'等情况，可以调整判断逻辑兼容：

# 大小写不敏感的判断，适配各种写法的nan字符串
df = df.loc[:, ~df.apply(lambda x: x.str.lower()).eq('nan').all(axis=0)]
df = df.loc[~df.apply(lambda x: x.str.lower()).eq('nan').all(axis=1), :]

可运行的循环版实现（仅作逻辑参考，优先使用向量化方案） #

提前将列名存入独立列表避免索引偏移，直接基于列名判断删除：

for col in df.columns.tolist():
    if (df[col] == 'nan').all():
        df.drop(columns=col, inplace=True)

内容的提问来源于stack exchange，提问作者xxgaryxx