你可以试试:

df['EPS'].dropna()

在有大量列的数据集中，最好能看到有多少列包含空值，有多少列不包含空值。

print("No. of columns containing null values")
print(len(df.columns[df.isna().any()]))

print("No. of columns not containing null values")
print(len(df.columns[df.notna().all()]))

print("Total no. of columns in the dataframe")
print(len(df.columns))

例如，在我的数据框架中，它包含82列，其中19列包含至少一个空值。

此外，您还可以自动删除cols和行，这取决于哪个有更多的空值 下面是智能执行此操作的代码:

df = df.drop(df.columns[df.isna().sum()>len(df.columns)],axis = 1)
df = df.dropna(axis = 0).reset_index(drop=True)

注意:上面的代码删除了所有的空值。如果需要空值，请在此之前处理它们。

下面的方法对我很有效。如果以上方法都不起作用，那就有帮助了:

df[df['colum_name'].str.len() >= 1]

其基本思想是，只有当长度强度大于1时才拾取记录。这在处理字符串数据时尤其有用

最好!

它可以添加在'&'可以用来添加额外的条件。

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

注意，在对语句求值时，pandas需要括号。

另一个版本:

df[~df['EPS'].isna()]

我知道这个问题已经被回答了，但为了对这个具体问题的纯熊猫解决方案，而不是阿曼的一般描述(这很好)，以防其他人碰巧遇到这个问题:

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