Python 使用pandas删除空数据帧

我编写了以下代码来使用regex请求页面，并查找类似利率的字符串。整个代码工作正常；但是，它正在创建多个空数据帧，我无法获得删除空帧的代码来清理我的输出。我一直尝试使用.dropna、.drop和.empty来尝试和弃用数据帧，但输出保持不变，并使用我已经获得的信息继续打印空数据帧。有没有一种方法我不知道，可以摆脱这些空帧。代码和输出如下：

plcompetitors = ['https://www.lendingclub.com/loans/personal-loans',
                'https://www.marcus.com/us/en/personal-loans',
                'https://www.discover.com/personal-loans/']

#cycle through links in array until it finds APR rates/fixed or variable using regex
for link in plcompetitors:
    cdate = datetime.date.today()
    l = r.get(link)
    l.encoding = 'utf-8'
    data = l.text
    soup = bs(data, 'html.parser')
    paragraph = soup.find_all(text=re.compile('[0-9]%'))
    for n in paragraph:
        matches = []
        matches.extend(re.findall('(?i)\d+(?:\.\d+)?%\s*(?:to|-)\s*\d+(?:\.\d+)?%', n.string))
        sint = pd.Series(matches)
        qdate = pd.Series([datetime.datetime.now()]*len(sint))
        slink = pd.Series([link]*len(sint))
        df = pd.concat([qdate,sint,slink],axis=1)
        df.columns = ['Date','Interest Rate', 'URL']
        print(df)

输出：

  ...
0 ...
1 ...

[2 rows x 3 columns]
 ...
0 ...

[1 rows x 3 columns]
 ...
0 ...
1 ...
2 ...
3 ...

[4 rows x 3 columns]
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
  ...
0 ...

[1 rows x 3 columns]
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []
Empty DataFrame
Columns: [Date, Interest Rate, URL]
Index: []

---

你不打印/使用空的怎么样

if df.empty:
  continue

或

---

你不打印/使用空的怎么样

if df.empty:
  continue

或

根据一个只有NAN的df将返回False for.empty，所以如果这很重要，那么首先使用dropna。如果有任何NaN太多，可以使用“any”，如果只想删除一行/一列，则可以使用“all”（可能是您想要的）

---

根据一个只有NAN的df将返回False for.empty，所以如果这很重要，那么首先使用dropna。如果有任何NaN太多，您可以使用“any”，如果您只想删除一行/一列，则可以使用“all”（如果它是所有NaN（可能是您想要的）

当然就是这么简单。非常感谢。哇，我觉得自己很愚蠢。欣赏that@dtrinh简单但不广为人知。我当然不认为这是那么简单。非常感谢。哇，我觉得自己很愚蠢。欣赏that@dtrinh简单但不广为人知。我不这么认为

if df.dropna(how='all').empty:
    continue