Kaggle数据集性别列高效清洗：仅保留Male与Female

你的代码问题分析 #

你之前的写法存在两处关键错误：

1. 不能用Python原生的or处理pandas布尔序列筛选，需要用按位或运算符|；
2. or 'Female'的逻辑完全错误——非空字符串在Python中会被判定为True，导致筛选结果混乱；
3. 分两次单独筛选Male和Female会清空数据集，因为没有行能同时满足两个互斥条件。

正确的高效筛选方法 #

方法1：使用isin()（推荐，简洁高效）

isin()是pandas针对多值匹配的最优方案，直接传入目标值列表即可快速筛选：

df_clean = df_clean[df_clean["Gender"].isin(['Male', 'Female'])]

方法2：使用布尔索引（按位或）

如果要显式写出每个条件，需要给每个判断加括号，并用|连接：

df_clean = df_clean[(df_clean["Gender"] == 'Male') | (df_clean["Gender"] == 'Female')]

进阶补充（可选） #

如果你的数据中存在'Male teen'、'Female High-schooler'这类包含目标关键词的记录，且希望保留这些行，可以用str.contains()做模糊匹配（支持忽略大小写）：

# 匹配包含Male/Female的行，同时排除空值
df_clean = df_clean[df_clean["Gender"].str.contains(r'Male|Female', case=False, na=False)]

内容的提问来源于stack exchange，提问作者Richard Bradley