如何删除DataFrame列中NaN及开头NaN行（保留后续NaN）

嘿，我来帮你搞定这两个问题！先看你第一个核心需求：只删掉开头的NaN行，保留第一次出现实数之后的所有行（哪怕里面有NaN）。

一、删除开头的NaN行，保留后续NaN #

要实现这个，关键是找到DataFrame中第一个包含非NaN值的行，然后从该行开始截取数据就行。用first_valid_index()方法就能轻松定位到这个行索引，代码示例如下：

假设你的DataFrame名为df：

# 定位第一个非缺失值的行索引
first_valid_idx = df.first_valid_index()
# 从该行开始截取，自动去掉开头的所有NaN行
cleaned_df = df.loc[first_valid_idx:]
# 可选：重置索引（如果需要从0开始的连续索引）
cleaned_df = cleaned_df.reset_index(drop=True)

举个实际例子，假设你的原始DataFrame是：

A    B
0  NaN  NaN
1  NaN  NaN
2  3.0  NaN
3  NaN  5.0
4  4.0  6.0

运行上面的代码后，得到的cleaned_df会从索引2开始，保留后面所有行（包括索引3的NaN行），完全符合你的需求。

二、处理列中的NaN #

这里分两种常见场景，你可以根据自己的需求选择：

1. 删除包含NaN的列 #

如果你想直接移除任何包含至少一个NaN值的列，用dropna()指定axis=1：

# 删除所有有NaN的列
df_no_nan_cols = df.dropna(axis=1)
# 如果只想删除全是NaN的列，加上how='all'
df_no_all_nan_cols = df.dropna(axis=1, how='all')

2. 删除列中存在NaN的行（保留列） #

如果你想保留列，但删掉该列中存在NaN的行，可以用subset参数指定目标列：

# 删除列'A'中包含NaN的所有行
df_clean_col_a = df.dropna(subset=['A'])
# 同时处理多列：删除列'A'或'B'中存在NaN的行
df_clean_multi_cols = df.dropna(subset=['A', 'B'])

要是你不想删除，而是想填充列中的NaN，也可以用fillna()方法，比如用列的均值填充：

df['A'] = df['A'].fillna(df['A'].mean())

内容的提问来源于stack exchange，提问作者bikuser