使用Pandas删除含"-"值的行时出现歧义错误，求解决方案

错误原因 #

你使用了Python原生的or运算符，但在Pandas中，布尔Series之间的逻辑判断必须用按位或运算符|，同时每个条件需要加括号明确优先级。or会尝试判断整个Series的布尔值，这在Pandas里是不明确的，因此抛出了"The truth value of a Series is ambiguous"的错误。

修正后的代码 #

将or替换为|，并给每个条件添加括号：

df2 = df2.drop(df2[
    (df2["Inns"] == "-") | 
    (df2["NO"] == "-") | 
    (df2["Runs"] == "-") | 
    (df2["HS"] == "-") | 
    (df2["Ave"] == "-") | 
    (df2["BF"] == "-") | 
    (df2["SR"] == "-") | 
    (df2["100"] == "-") | 
    (df2["50"] == "-") | 
    (df2[0] == "-")
].index)

更简洁的优化写法 #

如果需要检查的列较多，推荐用更高效易读的方式处理：

1. 先将所有"-"替换为缺失值，再删除含缺失值的行：

import pandas as pd

# 定义需要检查的列列表
cols_to_check = ["Inns", "NO", "Runs", "HS", "Ave", "BF", "SR", "100", "50", df2.columns[0]]
# 将指定列中的"-"替换为标准缺失值
df2[cols_to_check] = df2[cols_to_check].replace("-", pd.NA)
# 删除包含缺失值的行
df2 = df2.dropna(subset=cols_to_check)

2. 直接判断行内是否存在"-"并过滤：

cols_to_check = ["Inns", "NO", "Runs", "HS", "Ave", "BF", "SR", "100", "50", df2.columns[0]]
# 保留所有指定列中都不含"-"的行
df2 = df2[~df2[cols_to_check].isin(["-"]).any(axis=1)]

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