如何在Python Pandas中删除DataFrame里全为零的字符串行？

嘿，我来给你几个实用的方案，不用死磕正则也能轻松搞定删除全零字符串行的需求！

方案1：通用型（兼容各种零格式） #

如果你的DataFrame里的零字符串有多种形式（比如"0"、" 0 "、"0.0"、"000"这类），可以写一个小函数来判断每个单元格是否是零的字符串，再逐行检查：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'col1': ['123', 'abc', '0'],
    'col2': ['456', '0', '0'],
    'col3': ['789', 'def', '0']
})

def is_zero_str(s):
    # 先去掉前后空格，尝试转成数值判断是否为0
    stripped_s = s.strip()
    try:
        num = float(stripped_s)
        return num == 0
    except ValueError:
        # 转不成数值的肯定不是零，返回False
        return False

# 过滤掉所有单元格都是零字符串的行
df_filtered = df[~df.apply(lambda row: all(is_zero_str(cell) for cell in row), axis=1)]

这个方法容错性很强，就算行里有非数字的字符串也不会报错，只会保留那些不全是零的行。

方案2：简化版（仅严格匹配"0"） #

如果你的零字符串都是严格的"0"（没有空格、小数形式等变体），那直接用等式判断就行，代码更简洁：

df_filtered = df[~(df == "0").all(axis=1)]

(df == "0")会生成一个布尔值的DataFrame，all(axis=1)检查每行是否全为True，最后用~取反，保留不全是零的行。

方案3：正则表达式版（如果一定要用） #

要是你还是想用正则，这里给你一个能覆盖常见零格式的正则表达式，同样结合apply来用：

import re

def matches_zero(s):
    # 匹配：前后可选空格 + 至少一个0 + 可选小数点 + 任意个0
    pattern = r'^\s*0+\.?0*\s*$'
    return bool(re.fullmatch(pattern, s))

df_filtered = df[~df.apply(lambda row: all(matches_zero(cell) for cell in row), axis=1)]

这个正则能匹配"0"、" 0.00 "、"000"这类形式的零字符串，确保整个单元格内容都是零相关的格式。

你可以根据自己DataFrame里零字符串的实际格式，选最适合的方案就行！

内容的提问来源于stack exchange，提问作者svenkatesh