如何移除Pandas DataFrame中Column1为文本的行，保留整数行

原始数据 #

期望结果 #

解决方案 #

方法1：强制转换数值类型过滤 #

通过尝试将Column1转换为数值，无法转换的内容会被标记为NaN，再过滤掉这些无效行：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'Column1': ['任意内容', '某些内容', '1', '-15', '更多文本', '354'],
    'Column2': ['13', '更多', '文本', '13333', '67', '测试']
})

# 转换Column1为数值，无效内容设为NaN
df['Column1'] = pd.to_numeric(df['Column1'], errors='coerce')
# 过滤掉Column1为NaN的行，重置索引
filtered_df = df.dropna(subset=['Column1']).reset_index(drop=True)
# 可选：将Column1转回整数类型
filtered_df['Column1'] = filtered_df['Column1'].astype(int)

print(filtered_df)

方法2：正则表达式精准匹配整数 #

直接用正则匹配正负整数格式的字符串，筛选符合条件的行：

import pandas as pd

df = pd.DataFrame({
    'Column1': ['任意内容', '某些内容', '1', '-15', '更多文本', '354'],
    'Column2': ['13', '更多', '文本', '13333', '67', '测试']
})

# 匹配正负整数的正则规则：^-?\d+$
filtered_df = df[df['Column1'].str.match(r'^-?\d+$', na=False)].reset_index(drop=True)

print(filtered_df)

两种方法都能得到目标结果，方法1适合Column1混合字符串与数字格式的场景，方法2则精准匹配整数格式的字符串内容。

内容的提问来源于stack exchange，提问作者Mark