如何删除DataFrame中message列包含数字的整行数据

你可以直接用pandas自带的方法实现过滤，两种常用方案供你选：

• 方案1：适配整数、浮点数形式的数字字符串过滤
  如果只要是能转成数值的内容都要删掉，比如"25"、"89.6"这类都算要删除的数字内容，用pd.to_numeric做判断最方便：

import pandas as pd

# 读取你的CSV文件
df = pd.read_csv("你的文件路径.csv")

# 仅保留message列无法转为数字的行
df = df[pd.to_numeric(df["message"], errors="coerce").isna()]

• 方案2：仅过滤纯整数形式的数字字符串
  如果只需要删除全是整数数字的内容，浮点数形式的字符串要保留，可以用正则匹配实现：

# 过滤掉message列完全由数字组成的行
df = df[~df["message"].str.match(r"^\d+$", na=False)]

说明：第二个方法里的na=False参数会把空值判定为非数字保留，如果你需要同时删除message列为空的行，可以把这个参数去掉或者改成True。
处理完成后如果要导出结果，直接调用df.to_csv("输出文件路径.csv", index=False)即可。

内容的提问来源于stack exchange，提问作者rubyist