如何提取DataFrame中全为NaN和0的行（含object/float列）

嘿，我来帮你搞定这个问题！你遇到的核心痛点是混合数据类型列（object+float）导致常规的isin方法失效，而且不想通过替换NaN来修改列类型对吧？别担心，咱们可以用元素级别的自定义判断来实现，完全不会改动原数据的类型。

方法思路 #

核心逻辑是：对DataFrame里的每一个元素，单独判断它是否是NaN，或者是否等于0（不管是数值类型的0还是object列里的'0'或数值0），然后检查整行所有元素都满足这个条件，就能筛选出目标行。

具体代码实现 #

首先先模拟一个和你场景一致的示例DataFrame（方便你测试）：

import pandas as pd
import numpy as np

# 构造混合类型的测试数据：包含float列、object列，部分行全是NaN/0
df = pd.DataFrame({
    'float_col': [3.14, np.nan, 0.0, 5.0],
    'object_col1': ['apple', np.nan, 0, 'banana'],
    'object_col2': ['0', np.nan, 'orange', 0]
})

接下来定义判断函数，然后筛选目标行：

def is_valid_element(x):
    # 第一步：判断是否是缺失值（兼容np.nan和pd.NA）
    if pd.isna(x):
        return True
    # 第二步：判断是否是0（兼容数值0、字符串'0'）
    try:
        # 尝试转为数值，判断是否等于0
        return float(x) == 0.0
    except (ValueError, TypeError):
        # 转不成数值的话，直接判断是否是字符串'0'
        return x == '0'

# 对每个元素应用判断函数，然后检查整行是否全满足条件
target_mask = df.applymap(is_valid_element).all(axis=1)
# 提取目标行
result_df = df[target_mask]

代码解释 #

• applymap(is_valid_element)：遍历DataFrame的每一个元素，用自定义函数判断是否符合“NaN或0”的条件，返回一个布尔值的DataFrame。
• .all(axis=1)：沿着行的方向（横向）检查，只有当整行所有元素都是True时，该行才会被标记为True，得到筛选用的掩码（mask）。
• 最后用掩码提取目标行，完全不会改动原DataFrame的列类型。

简化版（如果你的object列里没有字符串'0'） #

如果你的object列里的0都是数值类型的0（不是字符串形式），可以把判断函数简化成更简洁的版本：

def is_valid_element(x):
    return pd.isna(x) or x == 0

target_mask = df.applymap(is_valid_element).all(axis=1)
result_df = df[target_mask]

这样就能完美解决你的需求啦！

内容的提问来源于stack exchange，提问作者SnigA