如何在DataFrame中逐行查找最长字符串？列转逐行检查求助

先完成前置操作：读取CSV文件并删除含NaN的行，之后逐行遍历每个单元格（排除指定列），精准定位过长字符串的位置，并提供跳过或退出的操作选项。

完整实现代码 #

import pandas as pd
import sys

# 1. 读取目标CSV文件
df = pd.read_csv("your_file.csv")

# 2. 删除包含NaN的行，重置索引让行号连续（可选但更友好）
df = df.dropna().reset_index(drop=True)

# 3. 逐行检查过长字符串
for row_idx, row_data in df.iterrows():
    for col_name, cell_value in row_data.items():
        # 跳过不需要检查的列
        if col_name == 'Column 17':
            continue
        # 转换为字符串后检查长度
        str_val = str(cell_value)
        if len(str_val) > 30:
            print(f"⚠️ 发现超长内容：行号 {row_idx+1}，列名 {col_name}，内容：{str_val[:30]}...")
            # 循环处理用户输入，避免无效选项
            while True:
                user_choice = input("操作选择：1. 跳过当前行继续检查 2. 退出程序\n")
                if user_choice == '1':
                    break
                elif user_choice == '2':
                    sys.exit()
                else:
                    print("输入无效，请输入1或2")
            # 跳过当前行剩余列的检查，进入下一行
            break

核心逻辑说明 #

• df.iterrows()：逐行遍历DataFrame，返回行索引和行数据，索引+1后输出符合用户习惯的实际行号
• 精准定位：发现超长字符串时，直接输出行号、列名和截断后的内容，解决原按列检查无法定位具体行的问题
• 输入验证：增加循环确保用户输入有效选项，避免程序因无效输入崩溃
• 前置NaN处理：先用dropna()清除含缺失值的行，避免把NaN转成字符串后误判为超长内容

可选优化点 #

• 可以用列表收集所有超长数据的位置信息，最后统一输出，避免中途中断检查
• 将长度阈值（30）设为变量，方便后续调整限制值

内容的提问来源于stack exchange，提问作者Dylan