如何高效删除索引含NaN的行？以Pandas Series为例

首先，你的当前方法确实能实现需求，但涉及多次索引重置和数据结构转换，效率不算最优。针对索引中存在NaN的场景，最直接高效的方式是利用索引的布尔过滤，直接保留索引不为NaN的行：

s = s[s.index.notna()]

为什么这个方法更好？ #

• 它是一次向量式操作，不需要像reset_index().dropna().set_index('index').squeeze()那样反复在Series和DataFrame之间转换，数据量越大，性能优势越明显。
• 代码简洁直观，一眼就能看懂是在过滤索引非空的行，可读性更强。

验证效果 #

用你的示例数据测试：

import pandas as pd
import numpy as np

s = pd.Series( np.array([0, 0, 1, 1, 2, 2]), index=np.array([ 0., 1., 2., 4., np.nan, 3.]) )
s = s[s.index.notna()]
print(s)

输出完全符合预期：

0.0    0
1.0    0
2.0    1
4.0    1
3.0    2
dtype: int64

补充：等价的drop写法 #

如果你更习惯用drop方法，也可以这样实现，效率和布尔过滤基本一致：

s = s.drop(s.index[s.index.isna()])

不过布尔索引的写法更简洁，推荐优先使用。

内容的提问来源于stack exchange，提问作者coldspeed95