使用pandas的read_csv读取数据时可直接删除NaN值吗？如何配置参数？

嘿，这个问题很贴合实际数据分析场景！我来给你梳理清楚：

结论：pandas.read_csv()本身没有专门用来直接删除含NaN行的参数，但我们可以通过组合它的缺失值识别参数和后续的dropna()方法，实现“加载数据时同步处理NaN行”的效果，操作起来很顺畅。

具体步骤： #

1. 先确保缺失值被正确识别为NaN
   read_csv默认会把空字符串、'NA'、'NaN'这类常见缺失标记转为NaN，但如果你有自定义的缺失值（比如'?'、'无数据'），可以用na_values参数指定，让这些值也被识别为NaN：

   import pandas as pd
   # 把'?'和'无数据'也识别为NaN
   df = pd.read_csv('your_dataset.csv', na_values=['?', '无数据'])
   

2. 加载后立即删除含NaN的行
   不需要分两步写，直接在read_csv()后面链式调用dropna()方法，就能在加载完成后马上删除所有包含NaN的行，代码简洁高效：

   # 加载时同步删除所有含NaN的行
   df = pd.read_csv('your_dataset.csv').dropna()
   

   要是你只想删除特定列存在NaN的行（比如只关心某几列的完整性），给dropna()加个subset参数指定列名即可：

   # 仅删除"age"或"income"列有NaN的行
   df = pd.read_csv('your_dataset.csv').dropna(subset=['age', 'income'])
   

额外小技巧：跳过空行 #

如果你需要处理的是空行（不是包含NaN的非空行），read_csv默认开启了skip_blank_lines=True，会自动跳过空行，不需要额外配置。

内容的提问来源于stack exchange，提问作者Duy Hoang