Python新手求助：如何删除CSV文件中包含字符串的行？

问题场景 #

作为Python编程新手，我正在写脚本清理用于训练的CSV文件。已经用df.dropna()成功移除了空值，但文件里存在像0,0.0,0.0,0.0,zero,0.0,0.0这种带错误字符串的行，想删除包含这类字符串的整行。

我试了下面的循环代码，但没效果：

Totalrows = len(df.index)
TotalColumns = df.shape[1]
CurrentColumn = 0

while CurrentColumn < TotalColumns:
    CurrentRow = 1
    while CurrentRow < Totalrows:
        if df.loc[CurrentRow, CurrentColumn] == str:
            df.drop(CurrentRow, axis=0, inplace=True)
    CurrentRow + 1
CurrentColumn + 1

另外常见的日期转换方案（比如df['Date'] = pd.to_datetime(df['Date'])）不适用我的场景，该怎么解决？

问题分析 #

你写的循环有两个关键问题：

1. CurrentRow + 1和CurrentColumn + 1只是做了计算，没有赋值给变量，循环永远不会推进，会直接陷入死循环
2. 判断条件df.loc[CurrentRow, CurrentColumn] == str完全错误——str是Python的类型对象，你应该判断单元格的值类型是不是字符串，或者能不能被转换成数值

解决方案 #

用pandas的内置方法比手动写循环高效得多，分两种场景处理：

场景1：所有列都应该是数值型

如果你的CSV所有列都应该是数值（比如训练数据的特征列），直接把整个表转成数值，无法转换的内容会变成NaN，再删掉含NaN的行即可：

# 把所有列转为数值，无法转换的设为NaN
df = df.apply(pd.to_numeric, errors='coerce')
# 删除包含NaN的行（即原来有错误字符串的行）
df = df.dropna()

场景2：只有特定列不能有字符串

如果只是部分列需要检查（比如某几列特征必须是数值），指定列单独处理即可：

# 替换成你需要检查的列名
target_columns = ['feature1', 'feature3', 'feature5']

# 遍历指定列，转为数值，无法转换的设为NaN
for col in target_columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

# 只删除指定列中含NaN的行
df = df.dropna(subset=target_columns)

方法说明 #

pd.to_numeric的errors='coerce'参数会自动把非数值的字符串（比如zero）转换成NaN，之后用dropna就能精准删掉那些包含错误字符串的行，完全不用手动遍历每一行每一列，既简洁又高效。

内容的提问来源于stack exchange，提问作者Zany