### 删除 DataFrame 中特殊值对应的行 在 Python 的 Pandas 库中，可以通过多种方法删除包含特定值的行。以下是几种常见的操作方式及其代码示例。 #### 方法一：使用 `drop` 和布尔索引 通过布尔索引来筛选出不包含指定值的行，并将其赋值给新的 DataFrame 或直接修改原 DataFrame。 ```python import pandas as pd import numpy as np # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': ['x', 'y', 'z', np.nan] }) # 删除列 C 中值为 'y' 的行 df_filtered = df[df['C'] != 'y'] print(df_filtered) ``` 这种方法通过布尔条件过滤掉符合条件的行[^1]。 #### 方法二：使用 `isin` 方法 `isin` 方法可以用于检查某列是否包含特定值集合中的元素，然后通过取反操作来排除这些行。 ```python # 示例 DataFrame df = pd.DataFrame({ 'key': ['green', 'red', 'blue'], 'data1': ['a', 'b', 'c'], 'score': [33, 61, 99] }) # 删除 score 列中值为 61 的行 df_filtered = df[~df['score'].isin([61])] print(df_filtered) ``` 此方法适用于需要删除多值的情况，逻辑清晰且易于扩展[^2]。 #### 方法三：结合 `loc` 和条件表达式 对于更复杂的条件，可以使用 `loc` 方法结合多个条件表达式来实现。 ```python # 示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': ['x', 'y', 'z', np.nan] }) # 删除 A 列中小于 3 且 B 列大于 6 的行 df_filtered = df.loc[~((df['A'] < 3) & (df['B'] > 6))] print(df_filtered) ``` 这种方法灵活性较高，适合处理复杂条件下的行删除操作[^3]。 #### 注意事项 - 如果希望直接修改原始 DataFrame，可以设置参数 `inplace=True`。 - 在处理 NaN 值时，需注意其特殊性（例如，NaN 不等于自身），因此可能需要额外的判断逻辑。 ### 示例输出 以下是一个完整的示例，展示如何删除包含特定值的行： ```python import pandas as pd import numpy as np # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': ['x', 'y', 'z', np.nan] }) # 方法一：简单条件过滤 df_filtered_1 = df[df['C'] != 'y'] # 方法二：使用 isin df_filtered_2 = df[~df['A'].isin([2, 4])] # 方法三：结合 loc df_filtered_3 = df.loc[~((df['A'] < 3) & (df['B'] > 6))] print("方法一结果：") print(df_filtered_1) print("方法二结果：") print(df_filtered_2) print("方法三结果：") print(df_filtered_3) ```