如何删除某些列中的值为NaN的Pandas DataFrame的行

不要drop 。 只需要EPS是有限的行：

 df = df[np.isfinite(df['EPS'])] 

这个问题已经解决了，但…

也考虑Wouter在他原来的评论中提出的解决scheme。 能够处理丢失的数据，包括dropna() ，明确地build立在pandasdropna() 。 除了手动进行性能改进之外，这些function还带有各种可能有用的选项。

 In [24]: df = pd.DataFrame(np.random.randn(10,3)) In [25]: df.iloc[::2,0] = np.nan; df.iloc[::4,1] = np.nan; df.iloc[::3,2] = np.nan; In [26]: df Out[26]: 0 1 2 0 NaN NaN NaN 1 2.677677 -1.466923 -0.750366 2 NaN 0.798002 -0.906038 3 0.672201 0.964789 NaN 4 NaN NaN 0.050742 5 -1.250970 0.030561 -2.678622 6 NaN 1.036043 NaN 7 0.049896 -0.308003 0.823295 8 NaN NaN 0.637482 9 -0.310130 0.078891 NaN 

 In [27]: df.dropna() #drop all rows that have any NaN values Out[27]: 0 1 2 1 2.677677 -1.466923 -0.750366 5 -1.250970 0.030561 -2.678622 7 0.049896 -0.308003 0.823295 

 In [28]: df.dropna(how='all') #drop only if ALL columns are NaN Out[28]: 0 1 2 1 2.677677 -1.466923 -0.750366 2 NaN 0.798002 -0.906038 3 0.672201 0.964789 NaN 4 NaN NaN 0.050742 5 -1.250970 0.030561 -2.678622 6 NaN 1.036043 NaN 7 0.049896 -0.308003 0.823295 8 NaN NaN 0.637482 9 -0.310130 0.078891 NaN 

 In [29]: df.dropna(thresh=2) #Drop row if it does not have at least two values that are **not** NaN Out[29]: 0 1 2 1 2.677677 -1.466923 -0.750366 2 NaN 0.798002 -0.906038 3 0.672201 0.964789 NaN 5 -1.250970 0.030561 -2.678622 7 0.049896 -0.308003 0.823295 9 -0.310130 0.078891 NaN 

 In [30]: df.dropna(subset=[1]) #Drop only if NaN in specific column (as asked in the question) Out[30]: 0 1 2 1 2.677677 -1.466923 -0.750366 2 NaN 0.798002 -0.906038 3 0.672201 0.964789 NaN 5 -1.250970 0.030561 -2.678622 6 NaN 1.036043 NaN 7 0.049896 -0.308003 0.823295 9 -0.310130 0.078891 NaN 

还有其他选项（请参阅http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html上的文档），其中包括删除列而不是行。

非常方便！

我知道这已经被回答了，但是为了纯粹的pandas解决这个具体的问题，而不是从阿曼的一般描述（这真是太棒了），以及其他人发生这种情况：

 import pandas as pd df = df[pd.notnull(df['EPS'])] 

您可以使用isnull或numpy.isnan的 notnull或inverse的数据框方法：

 In [332]: df[df.EPS.notnull()] Out[332]: STK_ID RPT_Date STK_ID.1 EPS cash 2 600016 20111231 600016 4.3 NaN 4 601939 20111231 601939 2.5 NaN In [334]: df[~df.EPS.isnull()] Out[334]: STK_ID RPT_Date STK_ID.1 EPS cash 2 600016 20111231 600016 4.3 NaN 4 601939 20111231 601939 2.5 NaN In [347]: df[~np.isnan(df.EPS)] Out[347]: STK_ID RPT_Date STK_ID.1 EPS cash 2 600016 20111231 600016 4.3 NaN 4 601939 20111231 601939 2.5 NaN 

你可以使用这个：

 df.dropna(subset=['EPS'], how='all', inplace = True) 

另一种解决scheme是使用np.nan != np.nan这个事实：

 In [149]: df.query("EPS == EPS") Out[149]: STK_ID EPS cash STK_ID RPT_Date 600016 20111231 600016 4.3 NaN 601939 20111231 601939 2.5 NaN 

它可能被添加在'＆'可以用来添加额外的条件，例如

 df = df[(df.EPS > 2.0) & (df.EPS <4.0)] 

请注意，在评估报表时，大pandas需要括号。

由于某种原因，以前提交的答案没有为我工作。 这个基本的解决办法是

 df = df[df.EPS >= 0] 

当然，这也会使负数的行数下降。 所以如果你想要的话，也可以添加这个。

 df = df[df.EPS <= 0]