Python Pandas按规则删除行：代码异常问题排查请求

核心逻辑错误：过滤条件写反了 #

你的需求是删除满足Bids < 3 且 Price > 149的行，但当前代码是把符合这个条件的行筛选出来保存——相当于只保留了要删除的行。如果原数据里符合该条件的行数量为0，就会直接生成空CSV；哪怕有符合条件的行，保存的也不是你想要的剩余数据。

正确的逻辑应该是保留不满足删除条件的行，只需对原条件取反：

filtered_df = df[~((df['Bids'] < 3) & (df['Price'] > 149))]

或者拆成更直观的写法：

filtered_df = df[(df['Bids'] >= 3) | (df['Price'] <= 149)]

额外排查点：数据转换的空值问题 #

你用pd.to_numeric(..., errors='coerce')会把无法转为数字的内容变成NaN，而NaN在布尔判断里会被视为False。如果CSV里Bids或Price列有大量非数字内容，转换后会出现大量空值，导致筛选条件无法匹配，最终结果为空。

可以先检查转换后的数据是否正常：

# 查看哪些行转换失败
print(df[df['Bids'].isna() | df['Price'].isna()])

如果有大量空值，要么先修正原始数据格式，要么把errors='coerce'改成errors='raise'——这样转换失败时会直接报错，方便定位问题。

修复后的完整代码 #

import pandas as pd

def filter(csv_file, csv2_file):
    df = pd.read_csv(csv_file, header=0, index_col=False)

    # 转换为数值类型，转换失败时抛出错误便于排查
    df['Bids'] = pd.to_numeric(df['Bids'], errors='raise')
    df['Price'] = pd.to_numeric(df['Price'], errors='raise')
    
    # 保留不需要删除的行
    filtered_df = df[~((df['Bids'] < 3) & (df['Price'] > 149))]

    filtered_df.to_csv(csv2_file, index=False)

内容的提问来源于stack exchange，提问作者shofyankhan