Python数据框删除只有索引没有单元格值的行答案

【问题标题】：Python dataframe drop rows with only index no cell valuesPython数据框删除只有索引没有单元格值的行
【发布时间】：2020-06-30 19:21:07
【问题描述】：

我有一个有趣的情况。我导入的数据框有索引值但没有单元格值。这会导致执行任何功能时出错。如何删除那些只有索引但没有单元格值的行。

我现在的数据框：

df = 
        Time      A        B        C
1    5/7/2020 7:27  17.75613834  37.63067245  0.292461243
2    5/7/2020 7:28  17.81356335  38.32342911   0.30196029
3    5/7/2020 7:29  17.85858633  39.14722824  0.309710972
4    5/7/2020 7:30  17.80791306  39.10982895  0.317052315
5                                                      
6                                                     
7

在上面，如何删除 5、6、7 行？我的原始数据框有很多行。但我不知道哪些行具有索引值但为空。我想要一些自动的东西。
我试过跟随但没有用。

#### Dropt rows withs empty cells
df.replace('', np.nan, inplace=True)
df.dropna(how='all',inplace=True)

【问题讨论】：

index 实际上是列还是索引？替换后你真的得到NaNs 吗？
@CeliusStingher 我只是导入了一个CSV 文件。这就是它的样子。更换后我没有收到任何NaNs。
df[df['index'] <5]?此外，可能值得调整导入，而不是纠正次优导入的数据帧。
@warped 我相信这在这种情况下有效。但在一般情况下，我们不知道是哪一行导致了问题。

标签： python pandas dataframe

【解决方案1】：

这行得通吗：

import numpy as np
import pandas as pd

df = pd.DataFrame(
    columns=['Time', 'A', 'B', 'C'],
    data=[['5/7/2020 7:27', '17.75613834', '37.63067245', '0.292461243'],
          ['5/7/2020 7:28', '17.81356335', '38.32342911', ' 0.30196029'],
          ['5/7/2020 7:29', '17.85858633', '39.14722824', '0.309710972'],
          ['5/7/2020 7:30', '17.80791306', '39.10982895', '0.317052315'],
          ['', '', '', '']]
)

df.replace('', np.nan, inplace=True)
df = df.dropna()

            Time            A            B            C
0  5/7/2020 7:27  17.75613834  37.63067245  0.292461243
1  5/7/2020 7:28  17.81356335  38.32342911   0.30196029
2  5/7/2020 7:29  17.85858633  39.14722824  0.309710972
3  5/7/2020 7:30  17.80791306  39.10982895  0.317052315

【讨论】：

【解决方案2】：

你可以试试这个：

df = pd.DataFrame(
    columns=['Time', 'A', 'B', 'C'],
    data=[['5/7/2020 7:27', '17.75613834', '37.63067245', '0.292461243'],
          ['5/7/2020 7:28', '17.81356335', '38.32342911', ' 0.30196029'],
          ['5/7/2020 7:29', '17.85858633', '39.14722824', '0.309710972'],
          ['5/7/2020 7:30', '17.80791306', '39.10982895', '0.317052315'],
          ['', '', '', ''],
           ['', '', '', ''],
            ['', '', '', ''],
          ['5/7/2020 7:27', '17.75613834', '37.63067245', '0.292461243']])
df=df[df!= ''].dropna()
print(df)

输出：

original df:
            Time            A            B            C
0  5/7/2020 7:27  17.75613834  37.63067245  0.292461243
1  5/7/2020 7:28  17.81356335  38.32342911   0.30196029
2  5/7/2020 7:29  17.85858633  39.14722824  0.309710972
3  5/7/2020 7:30  17.80791306  39.10982895  0.317052315
4                                                      
5                                                      
6                                                      
7  5/7/2020 7:27  17.75613834  37.63067245  0.292461243


newdf:

            Time            A            B            C
0  5/7/2020 7:27  17.75613834  37.63067245  0.292461243
1  5/7/2020 7:28  17.81356335  38.32342911   0.30196029
2  5/7/2020 7:29  17.85858633  39.14722824  0.309710972
3  5/7/2020 7:30  17.80791306  39.10982895  0.317052315
7  5/7/2020 7:27  17.75613834  37.63067245  0.292461243

【讨论】：