如何移除Pandas DataFrame各列中的所有NaN值？

我来帮你搞定这个问题！先理清楚你的核心需求：你希望每一列都保留所有非NaN的记录，哪怕不同列的有效行数不一样，而不是删除任何包含NaN的整行——这也是你用dropna(how='any')失败的原因，因为这个方法会删掉任何有NaN的行，你的数据里大部分行都存在NaN，所以最后啥都没剩下。

先明确你的数据和目标 #

首先把你给出的原始DataFrame整理成更清晰的格式：

import pandas as pd
import numpy as np

# 构造你的原始数据
df = pd.DataFrame({
    'Col_1': [10, 22, 3, 4, np.nan, 4, 6, 10, 12],
    'Col_2': [5, 7, 9, np.nan, np.nan, np.nan, 7, np.nan, np.nan],
    'Col_3': [2, 7, 5, np.nan, np.nan, np.nan, 7, np.nan, 1]
})

对应的表格：

你想要的结果是每列保留所有非NaN值，最终各列按顺序排列，行数不够的地方补NaN，也就是类似这样：

两种可行的解决方案 #

方法1：按列单独处理后拼接 #

对每一列单独调用dropna()，然后重置索引对齐，最后用pd.concat拼接起来：

# 遍历每一列，提取非NaN值并重置索引
filtered_cols = [df[col].dropna().reset_index(drop=True) for col in df.columns]
# 拼接成新的DataFrame
filtered_df = pd.concat(filtered_cols, axis=1)

这个方法逻辑很直观，就是逐列清理NaN，再把各列的有效数据拼在一起，自动用NaN填充长度不足的列。

方法2：用stack/unstack快速处理 #

Pandas的stack()和unstack()方法可以更简洁地实现这个需求：

filtered_df = df.stack().unstack()

stack()会把DataFrame转换成Series，自动过滤掉NaN；unstack()再把Series转换回DataFrame，空缺的位置自动补NaN，结果和方法1完全一致，代码更短。

为什么你的原代码不行？ #

再解释下df.dropna(how='any')的逻辑：它会检查每一行，只要这一行里有任何一个NaN，就把整行删掉。你的原始数据里，除了前3行，其他行都至少有一个NaN，所以执行后所有行都被删除了，这和你想要的“保留每列有效数据”的需求完全不符。

内容的提问来源于stack exchange，提问作者user_01