您可以用途：

df = df.replace('', np.nan)

字符串
如果想要简化代码，可以通过|连接正则表达式，对于空白空间使用^$：

df = pd.DataFrame({'A':list('abcdef'),
                   'B':['',5,4,5,5,4],
                   'C':['','  ','   ',4,2,3],
                   'D':[1,3,5,7,'       ',0],
                   'E':[5,3,6,9,2,4],
                   'F':list('aaabbb')})

df = df.replace(r'^\s+$|^\t+$|^$', np.nan, regex=True)
print (df)
   A    B    C    D  E  F
0  a  NaN  NaN  1.0  5  a
1  b  5.0  NaN  3.0  3  a
2  c  4.0  NaN  5.0  6  a
3  d  5.0  4.0  7.0  9  b
4  e  5.0  2.0  NaN  2  b
5  f  4.0  3.0  0.0  4  b

型

根据您的pandas版本，您可以：
DataFrame.dropna（axis=0，how ='any'，thresh=None，subset=None，inplace=False）轴：{0或'index'，1或'columns'}，默认值0
确定是否删除包含缺失值的行或列。
0或“index”：删除包含缺失值的行。1或“columns”：删除包含缺失值的列。

Deprecated since version 0.23.0:: Pass tuple or list to drop on multiple

字符串
axes. source
因此，现在要删除具有空值的行，

df = df.dropna(axis=0)

型
应该工作

删除缺少数据的行。我提供了输入和输出数据的代码：
输入：

Original DataFrame:
Name   Age         City
0  Alice  25.0     New York
1    Bob   NaN  Los Angeles
2    NaN  30.0     New York
3  Diana  22.0          NaN
4  Ethan   NaN      Chicago

字符串

验证码：

import pandas as pd
import numpy as np
data = {
    'Name': ['Alice', 'Bob', np.nan, 'Diana', 'Ethan'],
    'Age': [25, np.nan, 30, 22, np.nan],
    'City': ['New York', 'Los Angeles', 'New York', np.nan, 'Chicago']
}
df = pd.DataFrame(data)
print("Original DataFrame:")
print(df)
"""
    Here Im dropping null value of specific column
"""
df_cleaned = df.dropna(subset=['Name', 'Age', 'City'])
print("DataFrame after removing rows with missing data:")
print(df_cleaned)

型

输出：

DataFrame after removing rows with missing data:
Name   Age      City
0  Alice  25.0  New York

型

• 如果此代码适合您。请投赞成票。*