能否使用方法链（method chaining）结合条件删除DataFrame行？

原始数据与前置操作 #

先看初始的DataFrame以及生成AwayTeam列的代码：

import pandas as pd

df = pd.DataFrame({'Country': ["Uruguay", "Italy", "France"], 'Winner': ["Uruguay", "Italy", "France"]})

def f(row):
    if row['Country'] in row['Winner']:
        val = False
    else:
        val = True
    return val

df["AwayTeam"] = df.apply(f, axis=1)

非链式的可行写法 #

你原本的非链式写法可以正常完成需求：

# 非链式写法
df.drop(df[df['AwayTeam'] == False].index, inplace = True)
df = df.drop("AwayTeam", axis=1)

链式写法报错原因 #

你尝试的链式写法报错，核心问题是用了inplace=True——这个参数会让drop直接修改原DataFrame，返回值是None，后续再调用.drop就相当于在None对象上执行方法，必然报错。

正确的链式写法 #

写法一：去掉inplace，直接链式调用

# 正确链式写法1
df = (
    df.drop(df[df['AwayTeam'] == False].index)
    .drop("AwayTeam", axis=1)
)

写法二：用query过滤行，更简洁直观

比起通过索引删除行，用query直接过滤符合条件的行，代码可读性更强：

# 正确链式写法2（推荐）
df = (
    df.query("AwayTeam == True")
    .drop("AwayTeam", axis=1)
)

进阶：把生成AwayTeam列也加入链式流程

如果想把从创建DataFrame到最终结果的整个流程都用链式完成，可以用assign方法替代单独的列赋值，代码更紧凑：

# 完整链式流程
df = (
    pd.DataFrame({'Country': ["Uruguay", "Italy", "France"], 'Winner': ["Uruguay", "Italy", "France"]})
    .assign(
        AwayTeam=lambda x: x.apply(lambda row: row['Country'] not in row['Winner'], axis=1)
    )
    .query("AwayTeam == True")
    .drop("AwayTeam", axis=1)
)

内容的提问来源于stack exchange，提问作者Chery