如何可扩展删除DataFrame中任意列含特定值的行

当DataFrame列数较多时，逐列编写筛选条件的方式维护成本极高，可以通过pandas原生的批量判断逻辑实现一次性全列检查，无需手动枚举列名。

核心实现代码 #

以删除所有包含'Total'值的行为例，代码如下：

# 过滤所有任意列包含'Total'的行
df = df[~df.isin(["Total"]).any(axis=1)]

逻辑说明 #

代码为纯向量化实现，运行效率远高于逐行/逐列循环判断，各部分作用：

• df.isin(["Total"])：生成与原DataFrame结构完全一致的布尔矩阵，单元格值为True代表该位置的值精确匹配目标值'Total'
• .any(axis=1)：按行聚合判断，只要某一行存在任意一个True（即该行包含目标值），该行的聚合结果就为True
• 前缀~为布尔取反操作，将「需要删除的含目标值行」的判断结果翻转为False，「需要保留的无目标值行」翻转为True，直接作为行筛选条件传入即可。

方案优势 #

• 无列数依赖：不管DataFrame有多少列，代码无需任何修改即可直接运行，扩展性极强
• 易拓展：如果需要同时删除包含多个特定值的行，只需要把所有待匹配值加入isin()的列表即可，例如要同时删除含'Total'、'小计'的行，直接写成df.isin(["Total", "小计"])
• 兼容性强：混合数据类型的列、存在空值的表都可以正常运行，不需要提前做类型转换处理。

运行效果 #

针对示例中的原始DataFrame，运行上述过滤代码后，得到的结果完全符合预期：

Column_A Column_B Column_C
1       20       10       20
2       30       15       10

如果需要匹配的是单元格内包含目标子串（而非精确等于目标值），可以将判断逻辑替换为df.apply(lambda col: col.astype(str).str.contains("Total", na=False)).any(axis=1)即可实现模糊匹配过滤。

内容的提问来源于stack exchange，提问作者R overflow