从你的描述来看，你希望在数据框 `df` 中删除符合某些条件的行。以下是详细的解释以及解决步骤： ### 解决方案 首先回顾一下流程： 1. **复制原始 DataFrame**：通过 `df = df_input.copy()` 创建了一个副本 `df`。 2. 定义时间列列表 `time_columns` 并生成布尔掩码 `mask_inliang` 和 `mask_time` 来筛选符合条件的数据。 3. 最终得到目标索引值集合 `selected_indices`。 要在原 DataFrame (`df`) 中删除这些符合条件的行，可以利用 Pandas 的 `.drop()` 方法，并传入选定的目标索引值。 ```python # 删除选定的索引对应的行 df.drop(selected_indices, inplace=True) ``` 此操作会直接修改原始 DataFrame `df`，将所有满足条件的行移除。 --- ### 示例完整代码 为了更清晰地展示整个过程，这里是完整的示例代码： ```python import pandas as pd # 假设初始输入数据为 df_input df = df_input.copy() # 时间列名数组 time_columns = [ '7:00', '8:00', '9:00', '10:00', '11:00', '12:00', '13:00', '14:00', '15:00', '16:00', '17:00', '18:00', '19:00', '20:00', '21:00', '22:00', '23:00', '24:00', '1:00', '2:00', '3:00', '4:00', '5:00', '6:00' ] # 筛选包含“入量”的记录 mask_inliang = df['护理类型'].str.contains('入量', na=False) # 子集筛选后的数据框 df_inliang = df[mask_inliang].copy() # 根据 time_columns 列的内容进一步过滤出含数字的行 mask_time = df_inliang[time_columns].apply( lambda x: x.astype(str).str.contains(r'\d', na=False) # 检查是否含有任意数字 ).any(axis=1) # 找到最终需要处理的行索引 selected_indices = df[mask_inliang & mask_time].index.tolist() # 删除对应索引的所有行 df.drop(selected_indices, inplace=True) ``` --- ### 关键点说明 1. **为什么使用 `inplace=True`？** - 这样可以直接对当前DataFrame进行修改而无需重新赋值给新变量。 2. **关于正则表达式 `\d`：** - 此处用于匹配任何单个数字字符（即 `[0-9]`），确保只有非空内容会被识别。 3. **为什么要排序索引？** - 调用`.sort_values()`保证顺序一致，虽然这里并非强制需求但有助于避免潜在冲突问题。 --- ####