如何删除Pandas DataFrame中含NoneType与字符串的行，仅保留数值型数据？

首先得指出你代码里的核心问题：df_3.to_csv('Documents/a.csv',index=False)这个方法的作用是把DataFrame写入到CSV文件中，它返回的是None，而不是新的DataFrame。所以你把它赋值给df5之后，df5就是一个NoneType对象，自然调用不了['rt']或者dropna()这些方法，这就是你报错的原因。

下面给你两种可行的解决方案，根据你的需求选择：

方案一：直接在原DataFrame上清洗（推荐） #

不需要先存成CSV再处理，直接对提取后的df_3进行清洗，最后再保存即可：

import pandas as pd

# 提取需要的列
df_3 = df_cor_inc[['Person ID','rt']]

# 将rt列转换为数值类型，非数值内容会被转为NaN
df_3['rt'] = pd.to_numeric(df_3['rt'], errors='coerce')

# 删除rt列为NaN的行（包括空值和非数值字符串）
df_cleaned = df_3.dropna(subset=['rt'])

# 保存清洗后的结果到CSV
df_cleaned.to_csv('Documents/a.csv', index=False)

这个方法的好处是效率更高，不需要额外的读写文件操作，而且pd.to_numeric能识别整数、浮点数格式的字符串，适用性更广。

方案二：先保存再读取处理（如果你确实需要先存文件） #

如果你一定要先把数据存成CSV再处理，那必须用pd.read_csv把文件读回来，得到有效的DataFrame后再操作：

import pandas as pd

# 提取列并保存到CSV
df_3 = df_cor_inc[['Person ID','rt']]
df_3.to_csv('Documents/a.csv', index=False)

# 读取CSV文件得到DataFrame
df5 = pd.read_csv('Documents/a.csv')

# 转换rt列并过滤无效行
df5['rt'] = pd.to_numeric(df5['rt'], errors='coerce')
df_cleaned = df5.dropna(subset=['rt'])

补充：用isnumeric()过滤的注意事项 #

如果你想用str.isnumeric()的方式过滤，要注意这个方法只对整数格式的字符串有效（比如'1230'会返回True，但'123.45'或者空字符串''会返回False），而且要先排除空值，否则会报错：

df_3 = df_cor_inc[['Person ID','rt']]
# 先排除空值，再判断是否为数字字符串
df_cleaned = df_3[df_3['rt'].notna() & df_3['rt'].astype(str).str.isnumeric()]

这种方法适合你确定rt列只有整数的场景，否则还是方案一更稳妥。

内容的提问来源于stack exchange，提问作者dazai