Python引用语义困惑：Pandas删除DataFrame缺失值无效问题求助

嘿，你猜的没错，这个问题确实和Python的变量引用与赋值逻辑有关，我来给你讲明白到底咋回事～

核心原因：局部变量的赋值不影响外部对象 #

你写的DropNan函数里，Data1 = Data1.dropna()这行代码其实只是做了一件事：

• 首先调用dropna()会生成一个新的DataFrame对象（因为Pandas的大部分方法默认都是返回新对象，不修改原对象）
• 然后把这个新对象的引用赋值给函数内部的局部变量Data1

但这个局部变量Data1和你在函数外面定义的Data1只是同名而已，它们指向的是不同的对象。函数执行完之后，局部变量就被销毁了，外面的原始Data1完全没被碰过，所以缺失值自然还在。

简单来说：你在函数里只是给“本地副本”重新赋值了，根本没触碰到原始数据。

两种解决方案 #

方案1：让函数返回处理后的DataFrame（推荐） #

这种方式更符合Python的函数设计习惯，函数接收原始数据，返回处理后的新数据，不会修改原始对象，更安全可控。

修改后的代码：

import pandas as pd

# 读取原始数据
Data1 = pd.read_csv(r"C:\Users\Zihao\Desktop\New\OBSTET.csv")
Data2 = pd.read_csv(r"C:\Users\Zihao\Desktop\New\PRODUCTOS.csv", index_col = 0)

def DropNan(df1, df2):
    # 对两个DataFrame执行dropna，返回新对象
    cleaned_df1 = df1.dropna()
    cleaned_df2 = df2.dropna()
    return cleaned_df1, cleaned_df2

# 调用函数并将返回值重新赋值给原始变量
Data1, Data2 = DropNan(Data1, Data2)

方案2：使用inplace=True原地修改（不推荐） #

如果你确实想直接修改原始DataFrame，可以用dropna()的inplace=True参数，它会直接在原对象上修改，而不是返回新对象。不过这种方式容易产生意外副作用（比如你之后需要原始带缺失值的数据就找不回来了），所以一般不推荐。

代码示例：

import pandas as pd

Data1 = pd.read_csv(r"C:\Users\Zihao\Desktop\New\OBSTET.csv")
Data2 = pd.read_csv(r"C:\Users\Zihao\Desktop\New\PRODUCTOS.csv", index_col = 0)

def DropNan(df1, df2):
    # 原地修改传入的DataFrame
    df1.dropna(inplace=True)
    df2.dropna(inplace=True)

# 调用函数后，原始Data1和Data2已经被修改
DropNan(Data1, Data2)

再补个小知识点 #

Python的参数传递是“传对象引用”：

• 当你把一个对象（比如DataFrame）传给函数时，函数参数拿到的是这个对象的引用
• 如果在函数里修改对象本身的内容（比如调用inplace方法、给列表追加元素），外部的对象会跟着变
• 但如果是给参数重新赋值（比如df1 = df1.dropna()），只是改变了局部变量的指向，和外部的原始对象就没关系了

内容的提问来源于stack exchange，提问作者Tom