Pandas 如何删除Buy Box Seller列包含对应Manufacturer字符串的行
Pandas 按跨行包含关系删除指定行的实现方案
直接给出可落地的实现逻辑,提前覆盖空值边界场景,避免误删数据或运行报错:
- 第一步:预处理目标列,统一数据类型、处理空值
把Manufacturer和Buy Box Seller两列统一转为字符串格式,将空值替换为空字符串,从根源避免NaN参与字符串匹配时触发的报错。
df['Manufacturer'] = df['Manufacturer'].fillna('').astype(str) df['Buy Box Seller'] = df['Buy Box Seller'].fillna('').astype(str)
- 第二步:生成过滤规则,逐行标记需要保留的行
逻辑完全匹配需求:只要同行的Buy Box Seller文本包含了Manufacturer的内容,就将该行标记为待删除;同时专门处理Manufacturer为空的场景——因为空字符串天然存在于所有文本中,如果不做特殊判断,会把原Manufacturer为NaN的行全部误删。
# 生成保留行的判断掩码 keep_row_mask = df.apply( lambda row: # Manufacturer为空的行直接保留,不做包含关系判断 (row['Manufacturer'] == '') # 非空场景下,只要Buy Box Seller不包含Manufacturer的内容就保留 or (row['Manufacturer'] not in row['Buy Box Seller']), axis=1 ) # 过滤原数据,重置索引消除被删行造成的索引断层 cleaned_df = df[keep_row_mask].reset_index(drop=True)
- 用示例数据运行后,清洗结果完全符合预期:
Manufacturer Buy Box Seller 0 Hanes 3rd Street Brands 1 Inspiring Life 2 Beckham Luxury Linen Thalestris Co.
逻辑校验:原数据里索引0的Goli行、索引3的Sports Research行,都满足“Buy Box Seller包含对应Manufacturer内容”的删除条件,会被正常过滤掉。
如果后续处理的数据集规模达到十万行以上,觉得逐行apply的运行速度偏慢,可以替换为批量字符串匹配的优化写法,常规业务数据规模下上述代码的稳定性和运行效率完全够用。
内容的提问来源于stack exchange,提问作者Biryanii
相关产品推荐
相关产品推荐

