我懂你遇到的这个麻烦——删掉含NaN的行之后，DataFrame的索引还保留着原来的标签，导致你找到的目标行标签（比如示例里的28）和实际行的位置对不上，直接用标签操作还会报错。下面给你两种简洁的解决办法：

方法一：重置索引后按位置删除 #

先把索引重置成连续的0起始序列，这样操作就和你直觉里的行位置完全一致了：

1. 重置索引（加drop=True可以直接丢弃原来的旧索引列，让数据更整洁）：

   app = app.reset_index(drop=True)
   

2. 定位目标行的新索引：

   target_idx = app[app['prix'] == 'Everyone'].index[0]
   

3. 删除该行：

   app = app.drop(target_idx)
   

方法二：直接按条件删除（更高效） #

其实不用特意找索引，直接根据prix列的条件过滤掉目标行，一步就能完成：

# 方式A：用布尔索引直接过滤
app = app[app['prix'] != 'Everyone']

# 方式B：结合drop和条件索引
app = app.drop(app[app['prix'] == 'Everyone'].index)

为什么你之前的操作会报错？ #

删掉NaN行之后，DataFrame的索引标签还是原来的（比如示例里的28），但DataFrame的实际行数已经变成5了。你用app.index[28]时，是在按位置访问索引列表，而索引列表只有5个元素，自然会报IndexError。这时候的索引是「非连续的标签」，不是连续的位置序号，得区分开**标签索引（loc）和位置索引（iloc）**的差异。

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