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：

huaweicloud-python-sdk-helper

华为云 Python SDK 查询工具。自动发现已安装 SDK 的服务包、Client类、API 方法、入参详情、类信息（__init__ 参数、属性、类型、描述），支持关键字搜索，快速定位目标 API 使用方法。

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：

立即学习“Python免费学习笔记（深入）”；

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。