如何删除pandas DataFrame指定字典列含None值的行

目标列full_time_result存储的是Python字典类型，不需要做字符串模糊匹配，直接逐行校验字典内的值就能完成过滤，具体有两种常用实现方式：

通用过滤（适配所有字典全None的场景） #

不管异常字典的键结构是什么，只要字典内所有值都是None就删除，逻辑兼容性更强：

# 生成筛选掩码：仅保留字典中存在非None值的行
keep_mask = df['full_time_result'].apply(
    lambda row_dict: not all(val is None for val in row_dict.values())
)
cleaned_df = df[keep_mask]

对应你的示例数据，第3行伊普斯维奇对阵斯温登的赛事，因为full_time_result的三个键值全为None，会被直接过滤掉。

精准匹配固定异常值 #

如果你确定要删除的就是完全匹配{'1': None, 'X': None, '2': None}的行，可以直接做等值判断，代码更简洁：

# 定义需要排除的异常字典
bad_dict = {'1': None, 'X': None, '2': None}
cleaned_df = df[df['full_time_result'] != bad_dict]

注意：如果读取数据后full_time_result列被识别为字符串而非字典类型，需要先通过ast.literal_eval把字符串格式的字典转换为真实字典，再执行上述筛选，否则匹配会失效。

处理完成后，剩下的就是前3场有有效赔率的英格兰甲级联赛赛事记录。

内容的提问来源于stack exchange，提问作者PyNoob