如何用Pandas与RegEx删除DataFrame中含链接的整行数据？

你的原代码问题出在自定义函数cleanLinks里的index(col)用法错误——col是source列的单个字符串元素，根本没有index方法，而且这种方式也没法正确标记要删除的行索引。

针对8000行的数据集，用Pandas内置的字符串方法更高效，直接通过布尔掩码就能完成需求，两种可行方法如下：

方法1：直接过滤保留目标行 #

通过str.contains匹配包含链接的行，用~取反得到不包含链接的行，直接赋值给原DataFrame：

# 确保导入了必要库
import pandas as pd

# 保留source列不包含http链接的行
df = df[~df['source'].str.contains(r'http\S+', na=False)]

方法2：直接删除指定行 #

先定位包含链接的行索引，再用drop删除：

# 定位包含链接的行索引
rows_to_drop = df[df['source'].str.contains(r'http\S+', na=False)].index
# 删除这些行（inplace=True表示原地修改原DataFrame）
df.drop(rows_to_drop, inplace=True)

参数说明 #

• r'http\S+'：正则表达式，匹配所有以http开头的连续非空白字符（也就是完整的链接）
• na=False：处理缺失值，将NaN值视为不包含链接，避免因缺失值引发报错

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