Julia：如何基于全DataFrame搜索条件删除指定行？

核心方法（全列检查） #

要删除所有包含-1的行，最简洁优雅的写法是用filter结合all对每行做校验：

df = DataFrame(A=[2, -1, 3, 3], B=[2, 5, 7, -1], C=3)
df_clear = filter(row -> all(x -> x != -1, row), df)

也可以先生成行掩码再筛选，逻辑更直观：

# 生成每行是否完全不含-1的布尔数组
row_mask = all.(eachrow(df .!= -1))
df_clear = df[row_mask, :]

为什么你的写法失败？ #

你之前尝试的df[df .>= 0, :]会生成一个布尔类型的DataFrame，但Julia的DataFrame索引不支持直接用布尔DataFrame筛选行——必须把每行的多个布尔值合并成单个布尔值（整行所有条件都满足才保留）。

指定列范围检查 #

如果只需要检查特定列（比如仅A、B列），可以针对性选择列做校验：

# 通过列名指定
df_clear = filter(row -> all(x -> x != -1, [row.A, row.B]), df)

# 通过列索引指定（比如前2列）
df_clear = filter(row -> all(x -> x != -1, row[1:2]), df)

排除特定列检查 #

如果需要排除某些列（比如排除C列），可以先确定要检查的列集合：

exclude_cols = [:C]
check_cols = setdiff(names(df), exclude_cols)
df_clear = filter(row -> all(x -> x != -1, row[check_cols]), df)

替代方案：转成missing再删除 #

也可以先把-1替换为missing，再用原生的dropmissing方法，和你熟悉的缺失值处理逻辑对齐：

df_with_missing = replace(df, -1 => missing)
df_clear = dropmissing(df_with_missing)

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