pandas中DataFrame.drop()方法未成功删除目标行问题排查

• 输入值隐式不匹配：脚本环境下input()获取的内容如果带首尾多余空格、全角空白、复制带入的不可见字符，会和DataFrame中存储的state列值无法完成精确等值匹配；IPython Notebook的交互输入场景很少引入这类冗余字符，因此匹配逻辑可正常运行。
• 文本列未做标准化处理：读取CSV后未对state列做去空白、统一大小写的清洗操作，脚本加载的原始数据中state列值可能带前后空格、大小写和输入预期不一致，导致等值判断返回全False，匹配不到任何待删除行。
• inplace参数的兼容性问题：部分pandas版本中，对经过链式操作（比如先执行fillna(inplace=True)生成的DataFrame视图）调用drop(inplace=True)时，实际修改的是临时生成的视图副本，不会改动原全局对象；Notebook环境的对象生命周期、视图持有逻辑和普通脚本环境有差异，因此修改可正常落盘到对象上。
• 作用域解析差异：普通Python脚本的函数作用域解析规则和IPython交互环境存在区别，部分场景下函数内对全局DataFrame的操作会被解析为对局部临时对象的操作，导致修改无法生效。

直接替换为以下修复后的代码即可：

import pandas as pd
import matplotlib.pyplot as plt


csvFilePath = "clean_data.csv"
csvDF = pd.read_csv(csvFilePath, header=0)
csvDF.fillna(0, inplace=True)
# 提前对state列做标准化清洗
csvDF['state'] = csvDF['state'].astype(str).str.strip().str.lower()

def addEntry():
    # 对输入的每个值做去空白处理，避免带入冗余字符
    rowValues = [v.strip() for v in input("Enter the row values separated by commas: ").split(",")]
    csvDF.loc[len(csvDF.index)] = rowValues
    print("Row added!")
    print(csvDF)

def deleteEntry():
    # 输入值做和列值完全一致的标准化处理
    entryState = input("Enter the state of the entry to delete: ").strip().lower()
    # 显式声明操作全局变量，规避作用域解析差异
    global csvDF
    match_mask = csvDF['state'] == entryState
    # 增加无匹配场景的提示
    if not match_mask.any():
        print(f"No matching entry found for state: {entryState}, please check your input")
        return
    # 弃用inplace写法，用赋值回写的方式规避视图操作不生效问题
    csvDF = csvDF.drop(csvDF[match_mask].index)
    print("Row Deleted!")
    print(csvDF)

query = int(input("Enter number: "))
if query == 1:
    addEntry()
elif query == 2:
    deleteEntry()

核心修复点：

• 对文本列和用户输入做统一的标准化处理，从根源消除不可见字符、大小写差异导致的匹配失败问题
• 函数内显式声明global csvDF，彻底解决不同运行环境下的作用域解析差异
• 弃用稳定性差的inplace=True写法，通过对象重新赋值的方式完成修改，兼容所有pandas版本
• 增加无匹配条目的提示逻辑，出现输入错误时可以快速定位问题

内容的提问来源于stack exchange，提问作者MonoRca