如何在Pandas中筛选特定列非NA其余列均为NA的行？

这问题我处理类似数据时也碰到过，核心就是要同时满足两个严格条件：一是指定列interesting_column不为空值，二是其余所有列必须全部为空值。不用循环也能轻松搞定，咱们直接用Pandas的布尔索引来实现：

步骤拆解 #

1. 先把除了interesting_column之外的其他列单独提取出来，避免误判目标列
2. 检查这些“其余列”的每一行是否全部为NA
3. 把“目标列非NA”和“其余列全NA”两个条件用&（逻辑与）结合，筛选出符合要求的行

完整代码示例 #

import pandas as pd
import numpy as np

# 模拟一个带NA的示例DataFrame
df = pd.DataFrame({
    'interesting_column': ['keep_me', np.nan, 'keep_too', np.nan, 'also_keep'],
    'col_a': [np.nan, 10, np.nan, 20, np.nan],
    'col_b': [np.nan, np.nan, np.nan, 30, np.nan],
    'col_c': [np.nan, 40, np.nan, np.nan, np.nan]
})

# 第一步：获取除目标列外的所有列
other_columns = df.columns.difference(['interesting_column'])

# 第二步：组合筛选条件
filtered_rows = df[
    (df['interesting_column'].notna()) &  # 目标列非NA
    (df[other_columns].isna().all(axis=1))  # 其余列全为NA
]

print(filtered_rows)

代码解释 #

• df.columns.difference(['interesting_column'])：返回所有列名中排除interesting_column后的列表，不管你的DataFrame有多少列，这一步都能自动适配，不用手动列出来
• df[other_columns].isna().all(axis=1)：先把其余列转为布尔值（NA为True），再用all(axis=1)检查每一行是否所有值都是True（也就是全NA）
• 用&连接两个条件，只有同时满足的行才会被保留

这样就完美绕过了dropna的局限性——毕竟你提到所有行和列都至少有一个NA，dropna会直接把所有行删掉，而咱们的方法是精准定位你需要的行。

内容的提问来源于stack exchange，提问作者Tom Cooper