如何在列数可变的数据集批量排除含末尾为9999数值的行

不用再手动逐个添加过滤条件，用Pandas可以一键适配任意数量的Result列，高效完成过滤，具体方案如下：

实现步骤 #

1. 自动识别Result列：通过列名匹配批量筛选所有带“Result”标识的列，不管文件里有多少个Result列都能自动捕获。
2. 批量检查结尾值：将这些列的数值转换为字符串，检查是否以“9999”结尾，标记出存在这类值的行。
3. 过滤目标行：直接剔除被标记的行，得到符合要求的数据集。

完整代码示例 #

import pandas as pd

# 替换成你的数据读取方式，比如pd.read_csv("your_file.csv")
data = pd.DataFrame({
    'Customer Reference': ['C001', 'C002', 'C003'],
    'Profile Name': ['P1', 'P2', 'P3'],
    'Result1': [1234, 569999, 7890],
    'Result2': [9999, 1000, 2000],
    'Result3': [3000, 4000, 59999]
})

# 筛选所有Result列
result_columns = data.filter(like='Result').columns

# 生成过滤掩码：只要某行任意一个Result列值以9999结尾，就标记为True
filter_mask = data[result_columns].astype(str).str.endswith('9999').any(axis=1)

# 保留不满足条件的行（~表示取反）
clean_data = data[~filter_mask]

print(clean_data)

细节调整 #

• 如果Result列是浮点数类型（比如显示为9999.0），转字符串后会带.0后缀，可修改为以下处理方式（前提是浮点数本质为整数，无小数部分）：

  filter_mask = data[result_columns].astype(int).astype(str).str.endswith('9999').any(axis=1)
  

• 用str.endswith('9999')比str.contains('9999')更精准，避免误删中间包含9999的数值（比如199990）。

内容的提问来源于stack exchange，提问作者brummie49