使用thresh参数：

N = 1
df.dropna(thresh=N+1)

或者，如果您希望精确匹配N NA（不多不少）：

N = 1
out = df[df.isna().sum(axis=1).ne(df.shape[1]-N)]

输出量：

col1  col2  col3  col4  col5
0   s1  41.0  24.0  53.0  43.0
1   s2   NaN  51.0  64.0  83.0
2   s3   NaN   NaN  81.0  47.0
3   s4   NaN   NaN   NaN  12.0

df[df.iloc[:, 1:].notnull().any(axis=1)]

您应该在dropna中使用threshold。

df = df.dropna(axis=0, thresh=2)

您也可以尝试使用此方法来检查元素是否为NaN。
np.isnan()
以下是官方文档以获取更多信息。https://numpy.org/doc/stable/user/misc.html

作为给定答案的替代方法，如果您希望使用.dropna()，可以使用以下命令将col1设置为索引：

df = df.set_index("col1")

这样df.dropna(how='all')就像一个符咒。如果你不再需要它作为索引，你可以通过df['col1'] = df.index取回你的列，并重置索引df.reset_index(drop=True)
col1将出现在col5之后，您可以使用以下命令将其重新排列：

cols = df.columns.tolist()
cols = cols[-1:] + cols[:-1]
df[cols]

import numpy as np
import pandas as pd 

df = pd.DataFrame({"x1": [np.nan, np.nan], "x2": [1, np.nan]})
print(df.head())

for idx, row in df.iterrows():
    if np.isnan(row).all():
        df = df.drop(idx)

print(df.head())

在编辑中添加：
只需从行计数中删除不相关的列。

import numpy as np
import pandas as pd 

df = pd.DataFrame({"name": ["keep", "remove"], "x1": [np.nan, np.nan], "x2": [1, np.nan]})
print("ORG")
print(df.head())

for idx, row in df.iterrows():
    if np.isnan(row[1:].astype(float)).all():
        df = df.drop(idx)

print("OUT")
print(df.head())