如何在Python中删除NaN值并使各列数据行数一致？

看起来你正在为线性回归模型清理数据，碰到了缺失值导致各列有效行数不一致的问题，这很常见，我来给你几个实用的解决方案：

方法1：删除包含缺失值的行（最直接的方式） #

如果你希望保留所有列，只是去掉任何包含NaN的行，可以用dropna()方法，这会让处理后的DataFrame所有列的行数完全一致：

# 删除任何包含NaN的行
df_cleaned = df.dropna()

# 检查处理后各列的有效行数
print(df_cleaned.count(axis=0))

默认情况下dropna()会删除任何包含至少一个NaN的行（how='any'），如果你只想删除整行全是NaN的情况，可以指定how='all'：

df_cleaned = df.dropna(how='all')

不过要注意：这种方法会丢失一些数据，比如你的chemical_3缺失10条，处理后最终行数会是190（所有列中最少的有效行数），因为只要某一行有一个NaN就会被删掉。

方法2：删除缺失值过多的列（如果某些列数据质量太差） #

如果某列的缺失值比例太高（比如chemical_3只有190条，缺失10条），而这个变量对线性回归的影响不大，你可以考虑直接删除这一列，这样剩下的列行数就能保持一致：

# 删除指定列，比如chemical_3
df_cleaned = df.drop(columns=['chemical_3'])

# 或者删除缺失值超过一定比例的列，比如保留缺失率≤5%的列
threshold = len(df) * 0.95
df_cleaned = df.dropna(thresh=threshold, axis=1)

这种方法的好处是保留了更多的行数据，适合那些缺失严重且非关键的特征。

额外提示：线性回归的缺失值处理建议 #

线性回归对缺失值比较敏感，所以清理数据时要注意：

• 如果缺失值比例很低（比如<5%），删除行是比较安全的选择，不会对模型造成太大影响
• 如果缺失值比例较高，你也可以考虑用均值/中位数填充（不过这会引入一定的偏差），比如：

# 用均值填充数值型列的NaN
df_filled = df.fillna(df.mean())

填充后各列行数也会一致，但这种方法需要根据你的数据特性来判断是否适用。

最后，处理完后一定要用df_cleaned.count(axis=0)确认所有列的有效行数已经一致，再进入后续的模型构建环节。

内容的提问来源于stack exchange，提问作者samba