dropna(how='all')仅删除所有列均为nan/none的行；常见失效原因有三：伪空值未转nan、非数值列dtype不兼容、subset范围过窄；稳妥做法是先replace伪空值为nan再dropna。

dropna(how='all') 是什么效果

它只删除整行所有列都为 NaN 或 None 的行，只要有一列有有效值，该行就保留。这和默认的 how='any'（删掉任一列是缺失值的行）完全不同。

为什么用 how='all' 却没删掉预期的行

常见原因有三个：

• NaN 判断不严格：字符串 'nan'、空字符串 ''、空白符 ' ' 都不会被 dropna 当作缺失值，得先用 replace 或 astype 转换
• 存在非数值型列含 pd.NA 或 None，但某些 dtype（如 string 扩展类型）需显式启用 dropna 支持，建议加参数 inplace=False 并检查返回结果
• 设置了 subset 参数但范围太窄，导致其他列的全空状态被忽略——how='all' 默认作用于所有列，若指定了 subset，则只看这些列是否全空

怎样确保真正删掉“全空行”

稳妥做法是分两步：先标准化缺失值表示，再调用 dropna：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

# 示例：把常见伪空值转为 NaN
df = df.replace({'': pd.NA, 'nan': pd.NA, 'NULL': pd.NA})
df = df.dropna(how='all')

如果列含混合类型或扩展 dtype（如 string），建议显式指定 axis=0 和 inplace=False，避免隐式行为差异：

df_clean = df.dropna(how='all', axis=0)

性能与边界情况提醒

how='all' 在大数据量下基本无额外开销，但它对空 DataFrame 或全列都是 object 类型且含自定义对象时可能表现异常——比如某列存的是字典或列表，pd.isna() 返回 False，即使内容为空，该行也不会被删。遇到这类情况，得改用 df.apply(lambda row: row.isna().all(), axis=1) 手动判断再布尔索引。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！