Pandas遍历DataFrame删除无字典行失效及索引错误排查

我来帮你拆解这个问题哈～你遇到的IndexError和删不干净的情况，本质都是边遍历原DataFrame边修改它导致的，具体原因如下：

为什么会出现IndexError？ #

你一开始用df.index获取的是循环启动时的完整索引列表，但当你用inplace=True删除行时，原DataFrame的长度会实时缩短，索引结构也会跟着变化。举个例子：
假设初始DataFrame有5行，索引是[0,1,2,3,4]。当你删除索引1后，剩下的4行索引会变成[0,2,3,4]，但你的循环还在按照原来的索引列表继续执行，当轮到索引4时，此时DataFrame的有效iloc索引最大只有3，自然就会抛出IndexError: single positional indexer is out-of-bounds。

为什么重复运行也删不干净？ #

就算没触发报错，边遍历边修改的操作也会导致部分行被跳过。比如你遍历到索引2时删除了它，原来的索引3会自动前移变成新的索引2，但你的循环已经推进到索引3了，就会跳过这一行，导致漏删。

正确的实现方式 #

推荐：用Pandas矢量化操作（高效且简洁） #

Pandas的优势就是矢量化运算，完全不需要手动循环行，一行代码就能完成筛选：

# 逐行判断是否存在dict类型的元素
has_dict = df.apply(lambda row: any(isinstance(item, dict) for item in row), axis=1)
# 只保留包含dict的行
df = df[has_dict]

这里用isinstance(item, dict)比type(item)==dict更严谨，因为它能识别dict的子类对象，而type只会严格匹配类型本身。

备选：先收集待删索引再批量删除（如果一定要用循环） #

如果坚持要用循环逻辑，不要边遍历边删除，先把所有需要删除的索引收集起来，最后一次性删除：

indices_to_drop = []
for ind in df.index:
    has_dict = False
    for item in df.loc[ind]:  # 用loc按索引访问，避免iloc的索引偏移问题
        if isinstance(item, dict):
            has_dict = True
            break  # 找到dict就停止检查，提升效率
    if not has_dict:
        indices_to_drop.append(ind)

# 一次性删除所有目标行
df.drop(indices_to_drop, inplace=True)

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