如何从Pandas DataFrame中剔除C1或C4列含字符串的行？

我有如下DataFrame：

希望过滤并剔除所有C1或C4列中包含字符串的行，最终得到：

我尝试用isNaN实现，但不确定用法，现有代码如下：

df = pd.read_csv(
    path_file,
    sep=",",
    usecols=columns,
    skiprows=0,
    skipfooter=0,
    engine="python",
    encoding="utf-8",
    skipinitialspace=True,
    on_bad_lines='warn',
    names=columns)

df_new = df[df["C1"].notna()]
df_new_2 = df[df["C4"].notna()]

你的问题不是处理空值（NaN），而是要筛选出C1和C4列均为有效数值的行。可以通过pd.to_numeric配合errors='coerce'将非数值内容转为NaN，再用notna()过滤：

# 标记C1列中可转为数值的行
valid_c1 = pd.to_numeric(df['C1'], errors='coerce').notna()
# 标记C4列中可转为数值的行
valid_c4 = pd.to_numeric(df['C4'], errors='coerce').notna()
# 保留同时满足两列都为有效数值的行
df_filtered = df[valid_c1 & valid_c4]

也可以合并为一行代码：

df_filtered = df[pd.to_numeric(df['C1'], errors='coerce').notna() & pd.to_numeric(df['C4'], errors='coerce').notna()]

关键逻辑说明 #

• pd.to_numeric(..., errors='coerce')：尝试将列转为数值类型，无法转换的字符串会被强制转为NaN
• .notna()：筛选出非NaN的行，即原列中为有效数值的行
• &：逻辑与运算符，只有同时满足C1和C4均为有效数值的行才会被保留

内容的提问来源于stack exchange，提问作者Step