如何对DataFrame整行过滤：任意列含指定代码则保留该行

嘿，我完全懂你的痛点——列数多到数不过来的时候，一个个列去指定过滤条件简直是噩梦！别慌，这里有几个简单又高效的方法，能让你一行代码搞定整行过滤的需求：

方法1：精准匹配指定值（完全相等） #

如果你的需求是任意列的单元格值完全等于指定代码（比如精准匹配'x'），用isin()结合any()是最直接的方案：

import pandas as pd

# 假设你的DataFrame是df，要匹配的指定代码是'x'
filtered_df = df[df.isin(['x']).any(axis=1)]

原理拆解： #

• df.isin(['x'])会生成一个和原DataFrame形状完全一致的布尔DataFrame，每个单元格为True当且仅当该单元格的值等于'x'，否则为False。
• .any(axis=1)表示按行检查：只要该行有任意一个单元格是True，就返回True（代表该行需要保留）。
• 最后用这个布尔数组作为索引，就能从原DataFrame中筛选出所有符合条件的行。

方法2：模糊匹配（包含指定子串） #

如果你的需求是任意列的单元格值包含指定代码作为子串（比如单元格值是'axb'也符合要求），可以用applymap()来实现元素级的检查：

# 模糊匹配：任意列包含'x'子串
filtered_df = df[df.applymap(lambda cell: 'x' in str(cell)).any(axis=1)]

优化提示（处理NaN值）： #

如果你的DataFrame里存在NaN值，上面的代码会把NaN转成字符串'NaN'，可能会误判。可以加个类型判断，只检查字符串类型的单元格：

filtered_df = df[df.applymap(lambda cell: isinstance(cell, str) and 'x' in cell).any(axis=1)]

这样就只会对字符串类型的单元格做包含检查，避免NaN带来的干扰。

内容的提问来源于stack exchange，提问作者Josh Gale