处理结构不良表格：如何查找Pandas DataFrame含数据的最后一行？

嘿，这个场景我太熟悉了！处理这种底部堆着大量空单元格的“脏表格”确实闹心，我来给你分享几个实用的方法，快速定位到最后一行有数据的位置：

方法一：先清理全空行，再取最后一行 #

这个方法简单直接，先把所有全是空值的行删掉，剩下的就是有效数据行，直接取最后一行就行：

import pandas as pd

# 假设你的DataFrame名为df
# 移除所有全为空值的行
cleaned_df = df.dropna(how='all')
# 获取最后一行有数据的索引
last_data_row_idx = cleaned_df.index[-1]
# 如果需要拿到这一行的具体数据
last_data_row = cleaned_df.iloc[-1]

提示：dropna(how='all')只会删除整行所有单元格都是空值的行，不会影响那些有部分数据的行，非常安全。

方法二：不修改原DataFrame，直接定位 #

如果你不想改动原始数据，只想找到目标行的位置，可以用非空判断来实现：

# 判断每一行是否至少有一个非空值（返回布尔值的Series）
has_valid_data = df.notna().any(axis=1)
# 筛选出所有有数据的行，取最后一个的索引
last_data_row_idx = has_valid_data[has_valid_data].index[-1]
# 根据索引获取目标行数据
last_data_row = df.loc[last_data_row_idx]

这个方法的优势是完全保留原始DataFrame的结构，适合需要后续还用到原始数据的场景。

额外注意事项 #

如果你的表格里存在看似空但实际是空格/空白字符的单元格，建议先做一次清理，避免误判：

# 对字符串类型的列去除首尾空白
df = df.apply(lambda col: col.str.strip() if col.dtype == 'object' else col)
# 再把清理后变成空字符串的单元格转为NaN
df = df.replace('', pd.NA)

做完这两步再用上面的方法，结果会更准确。

内容的提问来源于stack exchange，提问作者Jim Cole