如何在Python的Pandas DataFrame中按两个条件删除行

问题分析 #

你之前的代码无效，核心原因有三个：

• 使用iterrows()时错误操作整个DataFrame而非当前行，df.column1.items()是对整个列的键值对迭代，和字符串"B"比较永远不成立
• drop()方法未指定要删除的行索引，无法定位目标行
• 循环逐行操作DataFrame本身效率低，且容易出现逻辑错误

推荐实现方式（矢量化操作，Pandas最优实践） #

方法1：布尔索引筛选保留行 #

直接筛选出不满足删除条件的行，重新赋值给原DataFrame：

import pandas as pd

# 假设你的DataFrame已经创建完成
df = pd.DataFrame({
    'column1': ['A', 'B', 'B', 'B'],
    'column2': [1, 1, 1, 1],
    'columns3': [2, 2, 2, 2],
    'column4': [3.0, 3.0, pd.NA, pd.NA]
})

# 保留：不是(column1为B且column4为NaN)的行
df = df[~((df['column1'] == 'B') & df['column4'].isna())]
print(df)

执行后得到的结果：

column1  column2  columns3  column4
0       A        1         2      3.0
1       B        1         2      3.0

方法2：通过索引删除目标行 #

先定位要删除的行索引，再批量删除：

# 获取需要删除的行的索引
drop_indices = df[(df['column1'] == 'B') & df['column4'].isna()].index
# 批量删除，inplace=True直接修改原DataFrame
df.drop(drop_indices, inplace=True)

若坚持使用循环（不推荐） #

如果一定要用循环实现，需收集目标行索引后批量删除（避免逐行删除的低效）：

rows_to_drop = []
for idx, row in df.iterrows():
    # 判断当前行的条件
    if row['column1'] == 'B' and pd.isna(row['column4']):
        rows_to_drop.append(idx)
# 一次性删除所有目标行
df.drop(rows_to_drop, inplace=True)

内容的提问来源于stack exchange，提问作者Tim