Pandas按条件删行失败及数据类型转换报错的解决咨询

一、删除满足条件的行 #

原方法失效原因 #

• 方法一：inplace=False是默认参数，执行后仅返回删除后的新DataFrame，原sample不会被修改。
• 方法二：drop()默认inplace=False，调用后不修改原数据；且用iterrows()遍历DataFrame时直接修改原数据，容易引发索引混乱，效率也偏低。

正确写法 #

写法1：直接修改原数据

sample.drop(sample.loc[(sample.service == 'ftp') & (sample.is_ftp_login.isna())].index, inplace=True)

写法2：覆盖原变量（推荐，避免原地修改的潜在问题）

sample = sample.drop(sample.loc[(sample.service == 'ftp') & (sample.is_ftp_login.isna())].index)

更简洁的筛选写法

直接用布尔索引保留不满足条件的行，效率更高：

sample = sample[~((sample.service == 'ftp') & (sample.is_ftp_login.isna()))]

注：~表示逻辑取反，筛选出不满足"service为ftp且is_ftp_login为空"的行。

二、类型转换问题 #

原代码报错原因 #

直接用int()转换整个Series是错误的——int()只能处理单个值，无法处理Series数组；此外如果列中存在空值（NaN）或非数值内容，直接转换也会触发报错。

正确转换步骤 #

import pandas as pd

# 1. 将列转换为数值类型，非数值内容转为NaN
sample['ct_ftp_cmd'] = pd.to_numeric(sample['ct_ftp_cmd'], errors='coerce')

# 2. 处理空值（二选一，根据业务需求选择）
# 方式A：用0填充空值
sample['ct_ftp_cmd'] = sample['ct_ftp_cmd'].fillna(0)
# 方式B：删除含空值的行
# sample = sample.dropna(subset=['ct_ftp_cmd'])

# 3. 转为int类型后再转字符串
sample['ct_ftp_cmd'] = sample['ct_ftp_cmd'].astype(int).astype(str)

若确认列中无空值和非数值内容，可简化为：

sample['ct_ftp_cmd'] = sample['ct_ftp_cmd'].astype(int).astype(str)

内容的提问来源于stack exchange，提问作者user12149833