如何在Pandas方法链中移除DataFrame的非数值行？

我有一个包含EID列的Pandas DataFrame，该列多数为整数，但存在少量非数值值。我希望在方法链中移除这些非数值对应的行，调试时遇到以下错误：

(Pdb) df.dropna(subset=['EID']).query('EID.str.isnumeric()')
*** ValueError: Cannot mask with non-boolean array containing NA / NaN values
(Pdb) df.dropna(subset=['EID']).query('EID.str.isdigit()')
*** ValueError: Cannot mask with non-boolean array containing NA / NaN values

尝试新增判断列时，结果全为NaN：

(Pdb) df.dropna(subset=['EID']).assign(isnum = lambda x: x.EID.str.isdigit())

样本数据集 #

输入：

期望输出：

问题根源是EID列存在混合类型（整数+字符串），直接调用str方法时，整数类型值会返回NaN，导致筛选报错或生成无效列。核心解决思路是先统一列类型，再做数值判断。

以下是三种适配方法链的实现：

方法1：转字符串后筛选 #

先把EID转为字符串类型，再用str.isdigit()判断，最后移除临时列：

df_clean = df.dropna(subset=['EID']) \
             .assign(EID_str=lambda x: x['EID'].astype(str)) \
             .query('EID_str.str.isdigit()') \
             .drop(columns='EID_str')

方法2：用apply统一转换判断 #

直接对每个值转字符串后判断，一步完成筛选：

df_clean = df.dropna(subset=['EID']) \
             .loc[lambda x: x['EID'].apply(lambda val: str(val).isdigit())]

方法3：强制转为数值类型过滤 #

利用pd.to_numeric将非数值转为NaN，再通过dropna移除对应行，适合需要数值类型EID的场景：

df_clean = df.assign(EID=lambda x: pd.to_numeric(x['EID'], errors='coerce')) \
             .dropna(subset=['EID']) \
             .astype({'EID': int})  # 可选：将EID转回整数类型

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