Pandas如何删除指定列值为纯数字的行？解决报错及边缘场景

问题分析 #

你遇到的TypeError: bad operand type for unary ~: 'float'，根源是Age列混合了字符串和数值类型：调用str.contains()时，数值类型的行会返回NaN（float类型），而~操作符无法直接作用于float类型的NaN，因此触发报错。

另外原代码的正则r'\d'会匹配所有包含数字的内容，不符合你保留'4chan'这类带数字的字符串、只删除纯数字行的需求。

解决方案 #

先将目标列统一转为字符串类型，再用正则匹配纯数字的行（正则表达式用r'^\d+$'，表示从开头到结尾全是数字），最后过滤掉这些行。

代码示例 #

处理初始数据

import pandas as pd

# 初始数据
data = [['tom', 'Ten'], ['nick', 'Fifteen'], ['juli', 14]]
df = pd.DataFrame(data, columns=['Name', 'Age'])

# 1. 转字符串类型 2. 匹配纯数字行并过滤
df = df[~df['Age'].astype(str).str.match(r'^\d+$')]

print(df)

输出结果：

Name     Age
0    tom     Ten
1   nick  Fifteen

处理边缘场景数据

import pandas as pd

# 边缘场景数据
data = [['tom', 'Ten'], ['nick', 'Fifteen'], ['juli', '4chan'], ['astha', 18]]
df = pd.DataFrame(data, columns=['Name', 'Age'])

df = df[~df['Age'].astype(str).str.match(r'^\d+$')]

print(df)

输出结果：

Name     Age
0    tom     Ten
1   nick  Fifteen
2   juli   4chan

关键说明 #

• astype(str)：把Age列所有值转为字符串，避免数值类型导致的NaN问题。
• str.match(r'^\d+$')：严格匹配纯数字的字符串，^表示开头，$表示结尾，\d+表示一个或多个数字，确保只有完全由数字组成的内容会被匹配。
• ~：对布尔序列取反，保留非纯数字的行。

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