最简单的解决方案：

filtered_df = df[df['name'].notnull()]

因此，它只过滤掉'name'列中没有NaN值的行。

• 对于多列：*

filtered_df = df[df[['name', 'country', 'region']].notnull().all(1)]

把它们放下：

nms.dropna(thresh=2)

这将丢弃至少存在两个非-NaN的所有行。
然后，您可以在name为NaN的位置放置：

In [87]:

nms
Out[87]:
  movie    name  rating
0   thg    John       3
1   thg     NaN       4
3   mol  Graham     NaN
4   lob     NaN     NaN
5   lob     NaN     NaN

[5 rows x 3 columns]
In [89]:

nms = nms.dropna(thresh=2)
In [90]:

nms[nms.name.notnull()]
Out[90]:
  movie    name  rating
0   thg    John       3
3   mol  Graham     NaN

[2 rows x 3 columns]

• • 编辑**

实际上，查看您最初想要的内容时，无需dropna调用就可以做到这一点：

nms[nms.name.notnull()]

• • 更新**

3年后再看这个问题，会发现一个错误，首先thresh arg查找至少n非NaN值，因此实际上输出应为：

In [4]:
nms.dropna(thresh=2)

Out[4]:
  movie    name  rating
0   thg    John     3.0
1   thg     NaN     4.0
3   mol  Graham     NaN

有可能是我3年前弄错了，或者是我运行的Pandas版本有bug，这两种情况都是完全可能的。

df.dropna(subset=['columnName1', 'columnName2'])

df = pd.DataFrame({'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],'rating': [3., 4., 5., np.nan, np.nan, np.nan],'name': ['John','James', np.nan, np.nan, np.nan,np.nan]})

for col in df.columns:
    df = df[~pd.isnull(df[col])]

您也可以使用query：

out = df.query("name.notna() & name !='N/A'", engine='python')

输出：

movie  rating    name
0   thg     3.0    John
3   mol     NaN  Graham

在query()内部传递column_name == column_name以保留column_name不是NA的行。
对于您的情况：

nms.query('name == name')

您可以将负值过滤到具有na值的列：dt = dt[~dt[要过滤的列].isna（）.all（1）]