### 使用 Pandas 读取 Excel 并删除空行 在使用 `pandas` 处理 Excel 数据时，可以通过多种方式来删除空行。以下是实现这一目标的具体方法： #### 方法一：通过 `dropna()` 函数删除空行 `pandas.DataFrame.dropna()` 是一种常用的方法，用于移除包含缺失值的行或列。如果某一行的所有单元格均为 NaN，则可以将其视为一条空行并删除。 ```python import pandas as pd # 文件路径 filePath = r'C:\Users\Administrator\Desktop\Temp\1.xlsx' # 读取 Excel 文件，默认第一行为表头 student = pd.read_excel(filePath) # 删除完全为空的行（即所有列都为 NaN 的行） cleaned_student = student.dropna(how='all') print(cleaned_student) ``` 此代码片段中，参数 `how='all'` 表示只有当整行的所有列均为空时才会被删除[^1]。 --- #### 方法二：动态跳过顶部空白行后再删除剩余空行 如果 Excel 文件中的顶部可能存在不定数量的空白行，可以在读取文件时先利用 `skiprows` 参数跳过这些空白行，然后再执行删除操作。 ```python import pandas as pd def find_first_non_empty_row(file_path): """查找第一个非空行的位置""" with pd.ExcelFile(file_path) as xls: sheet_name = xls.sheet_names[0] df = pd.read_excel(xls, sheet_name=sheet_name, header=None) for idx, row in df.iterrows(): if not all(row.isnull()): # 如果当前行不全为空 return idx return 0 # 动态获取起始位置 start_row = find_first_non_empty_row(filePath) # 跳过顶部空白行后读取数据 student = pd.read_excel(filePath, skiprows=start_row) # 进一步清理可能存在的其他空行 cleaned_student = student.dropna(how='all') print(cleaned_student) ``` 上述代码定义了一个辅助函数 `find_first_non_empty_row` 来自动检测首个非空行的位置，并据此设置 `skiprows` 参数[^4]。 --- #### 方法三：自定义条件过滤特定类型的空行 有时并非所有的空行都需要删除，而是仅需针对某些满足特定条件的空行进行处理。此时可借助布尔掩码完成更精细的操作。 ```python import pandas as pd # 假设 ID 列不能为空作为判断依据之一 student = pd.read_excel(filePath) mask = ~student['ID'].isnull() & (student.astype(str).ne('nan').any(axis=1)) filtered_student = student[mask] print(filtered_student) ``` 这里创建了一个布尔掩码 `mask`，它结合了两部分逻辑： 1. 确保 `ID` 列不为空； 2. 至少有一列的内容不是 `'nan'` 字符串表示形式的缺失值[^1]。 --- ### 总结 以上三种方法分别适用于不同的场景需求： - **方法一**适合简单情况下的全局空行清除。 - **方法二**能够应对头部含有不确定数目空白行的情形。 - **方法三**则提供了更加灵活的方式以适应复杂业务规则的要求。