如何删除Pandas DataFrame中首次出现NaN后的所有行

核心思路是先统一识别全表所有类型的NaN（包括np.nan和字符串形式的'NaN'），再定位全表首次出现NaN的行位置，最后切片保留该位置之前的所有行，全程不依赖列dtype：

import pandas as pd
import numpy as np

def truncate_after_first_nan(df):
    # 同时识别np.nan和字符串'NaN'，生成全表空值掩码
    mask = pd.isna(df) | (df.astype(str) == 'NaN')
    # 逐行判断是否存在任意空值
    has_nan_row = mask.any(axis=1)
    # 找到第一个出现空值的行索引，无空值则返回原表
    if has_nan_row.any():
        first_nan_idx = has_nan_row.idxmax()
        return df.iloc[:first_nan_idx].copy()
    else:
        return df.copy()

测试验证 #

测试用例1（含字符串'NaN'） #

输入：

df1 = pd.DataFrame({"A": (1,2,3,4,5,6,7,'NaN','NaN','NaN','NaN'),"B": (1,2,3,'NaN',4,5,6,7,'NaN',"9","10"),"C": range(11)})
print(truncate_after_first_nan(df1))

输出与预期一致：

A  B  C
0  1  1  0
1  2  2  1
2  3  3  2

测试用例2（含np.nan） #

输入：

df2 = pd.DataFrame({"A": (1,2,3,4,5,6,7,np.nan,np.nan,np.nan,np.nan),"B": (1,2,3,np.nan,4,5,6,7,np.nan,"9","10"),"C": range(11)})
print(truncate_after_first_nan(df2))

输出与预期一致：

A  B  C
0  1.0  1  0
1  2.0  2  1
2  3.0  3  2

方案说明 #

• 兼容所有列dtype：通过astype(str)统一转换后判断字符串'NaN'，配合pd.isna识别原生空值，不受int、float、object等类型限制
• 全表自动检测：无需指定单列，自动扫描所有列的空值
• 边界处理：如果全表没有任何NaN，会完整返回原表

内容的提问来源于stack exchange，提问作者Karn Kumar