如何在Pandas链式调用中删除含指定列值的行？

问题分析 #

你遇到的报错原因有两个：

1. 链式调用中直接引用外部df变量会触发TypeError：因为链式赋值还未完成，此时df是None，无法通过df[...]取值。
2. .drop(["cut_quality"].str.contains("None").index)触发AttributeError：["cut_quality"]是Python列表，没有Pandas的str属性，属于语法错误。

最优解决方案 #

在链式调用中，推荐直接用布尔索引筛选保留行（比drop更直观高效），通过lambda引用当前步骤的DataFrame即可：

df = (pd.read_csv("../data/stones_raw.csv", index_col=[0])
    .drop(['date', 'id'], axis=1)
    .fillna({'color':'unknown', 'cut_quality':'unknown',  
             'girdle_max':'unknown', 'fluor_intensity':'unknown' })       
    .loc[:, ['color', 'cut_quality', 'girdle_max', 'fluor_intensity']]             
    .loc[lambda x: ~x["cut_quality"].str.contains("None")]  # 筛选出不含"None"的行
    .to_pickle("../data/stones.pkl")
)

补充：如果坚持用drop #

也可以通过lambda获取需要删除的索引，写法如下：

df = (pd.read_csv("../data/stones_raw.csv", index_col=[0])
    .drop(['date', 'id'], axis=1)
    .fillna({'color':'unknown', 'cut_quality':'unknown',  
             'girdle_max':'unknown', 'fluor_intensity':'unknown' })       
    .loc[:, ['color', 'cut_quality', 'girdle_max', 'fluor_intensity']]             
    .drop(lambda x: x[x["cut_quality"].str.contains("None")].index)  # 通过lambda获取当前DataFrame的索引
    .to_pickle("../data/stones.pkl")
)

说明 #

• 用lambda x可以在链式调用中访问当前步骤的DataFrame，避免引用未赋值完成的外部变量。
• 直接筛选保留行的方式（.loc[lambda x: ...]）比drop更符合链式调用的流畅性，代码可读性更高，执行效率也更优。

内容的提问来源于stack exchange，提问作者hrokr