迭代DataFrame行时报KeyError: '61'，如何删除patient列为数字的行

• 你循环遍历得到的i是patient列的取值，不是行索引，直接用df['patient'][i]是把列值当成索引去取对应行，当列值为61但你的DataFrame没有名为61的索引时，自然抛出KeyError
• 循环中直接修改DataFrame会导致索引动态偏移，既容易删错行，执行效率也很低
• df.drop()的入参需要是要删除的行索引/列名，你传入的是匹配到的行内容，参数格式本身也不正确

优先用pandas向量化操作实现，不需要写循环：
如果patient列是字符串类型，直接用str.isdigit()判断是否为纯数字，取反后筛选保留不符合删除条件的行即可：

# 直接筛选保留非纯数字的行，效率最高
df = df[~df['patient'].str.isdigit().fillna(False)]

如果需要用drop方法显式删除符合条件的行也可以：

# 显式drop对应行
drop_index = df[df['patient'].str.isdigit().fillna(False)].index
df = df.drop(drop_index)

上面的fillna(False)是为了处理patient列有空值的情况，避免判断时报错，如果确认列内没有空值可以去掉。

如果patient列存在混合类型（既有字符串又有整数），需要先统一转成字符串再判断：

df = df[~df['patient'].astype(str).str.isdigit()]

内容的提问来源于stack exchange，提问作者user16309118