如何从整个DataFrame中删除第一次出现“NaN”后的所有行

我期待在第一次出现后删除/删除所有行 NaN 基于任何dataFrame列。

我创建了两个示例数据帧,如下图所示,第一个数据帧 dtypes 用于最初的两列 object 而最后一个在 int ,而在第二个数据帧中,这些是 float , obj 和 int .

第一

>>> df = pd.DataFrame({"A": (1,2,3,4,5,6,7,'NaN','NaN','NaN','NaN'),"B": (1,2,3,'NaN',4,5,6,7,'NaN',"9","10"),"C": range(11)})
>>> df
      A    B   C
0     1    1   0
1     2    2   1
2     3    3   2
3     4  NaN   3
4     5    4   4
5     6    5   5
6     7    6   6
7   NaN    7   7
8   NaN  NaN   8
9   NaN    9   9
10  NaN   10  10

D类型:

>>> df.dtypes
A    object
B    object
C     int64
dtype: object

当根据特定情况执行以下基于索引的方法时,只要 dtype 是 obj 和 int 但我正在寻找dataFrame级别的操作,而不仅仅局限于一列。

>>> df[:df[df['A'] == 'NaN'].index[0]]
   A    B  C
0  1    1  0
1  2    2  1
2  3    3  2
3  4  NaN  3
4  5    4  4
5  6    5  5
6  7    6  6

>>> df[:df[df['B'] == 'NaN'].index[0]]
   A  B  C
0  1  1  0
1  2  2  1
2  3  3  2

第二

使用创建DataFrame时的另一个有趣事实 np.nan 我们在哪里变得不同 数据类型 ,那么即使是基于索引的方法对于单列操作也失败了。

>>> df = pd.DataFrame({"A": (1,2,3,4,5,6,7,np.nan,np.nan,np.nan,np.nan),"B": (1,2,3,np.nan,4,5,6,7,np.nan,"9","10"),"C": range(11)})
>>> df
      A    B   C
0   1.0    1   0
1   2.0    2   1
2   3.0    3   2
3   4.0  NaN   3
4   5.0    4   4
5   6.0    5   5
6   7.0    6   6
7   NaN    7   7
8   NaN  NaN   8
9   NaN    9   9
10  NaN   10  10

数据类型:

>>> df.dtypes
A    float64
B     object
C      int64
dtype: object

错误

>>> df[:df[df['B'] == 'NaN'].index[0]]
IndexError: index 0 is out of bounds for axis 0 with size 0
>>> df[:df[df['A'] == 'NaN'].index[0]]
IndexError: index 0 is out of bounds for axis 0 with size 0

第二个DataFrame应为:

>>> df
      A    B   C
0   1.0    1   0
1   2.0    2   1
2   3.0    3   2

因此,我正在寻找一种方法来检查整个DataFrame,而不管 数据类型 并从数据帧中NaN的第一次出现起删除所有行。