如何在Pandas DataFrame中移除包含连续数字的行

问题根源 #

你之前的代码有两个核心问题：

1. 第一段代码的正则r'\{3,}'完全错误，它匹配的是{3,}这个字符串而非数字，导致mask全为False，最终过滤结果异常。
2. 第二段代码用的r'\d{3,}'只是匹配任意3位及以上的数字串（比如112233也会被检测到），但这不是你要的1234、6789这类连续递增的数字序列，所以无法精准移除目标行。

两种可行解决方案 #

方案一：自定义函数检测连续递增数字（直观易维护）

通过遍历字符串，检查是否存在长度≥3的连续递增数字子串：

import pandas as pd

# 替换成你的实际DataFrame
df1 = pd.DataFrame({'prix': ['abc123def', 'xyz6789', '112233', 'test456', 'normal_text']})

# 确保列转为字符串类型
df1['prix'] = df1['prix'].astype(str)

def has_consecutive_increasing_digits(s):
    # 遍历所有可能的3位数字起始位置
    for i in range(len(s) - 2):
        # 检查当前及后两位是否都是数字
        if s[i].isdigit() and s[i+1].isdigit() and s[i+2].isdigit():
            num1, num2, num3 = int(s[i]), int(s[i+1]), int(s[i+2])
            # 判断是否连续递增（后一个数字比前一个大1）
            if num2 == num1 + 1 and num3 == num2 + 1:
                return True
    return False

# 生成标记：True表示该行包含连续递增数字
mask = df1['prix'].apply(has_consecutive_increasing_digits)

# 移除目标行（~表示取反，保留不匹配的行）
df_filtered = df1[~mask]

print(df_filtered)

方案二：枚举式正则匹配（简洁高效）

因为3位连续递增数字只有8种可能（012、123...789），直接用正则枚举匹配：

import pandas as pd

df1 = pd.DataFrame({'prix': ['abc123def', 'xyz6789', '112233', 'test456', 'normal_text']})
df1['prix'] = df1['prix'].astype(str)

# 正则枚举所有3位连续递增数字序列
pattern = r'(012|123|234|345|456|567|678|789)'
# 标记包含目标序列的行
mask = df1['prix'].str.contains(pattern)
# 移除目标行
df_filtered = df1[~mask]

print(df_filtered)

说明 #

两种方案都能精准识别123、6789这类包含连续递增数字的行，取反mask即可移除这些行。如果需要匹配更长的连续序列（比如4位），方案一无需修改即可检测（4位序列必然包含3位子序列），方案二也能自动覆盖（比如1234包含123，会被正则匹配到）。

内容的提问来源于stack exchange，提问作者kim seol