如何统计数据框每行各单元格字符数并删除所有列字符数均不足5的行？

嘿，这个需求我太熟了！你说的新建一堆中间列确实挺麻烦的，其实用Pandas的链式操作就能简洁搞定，我给你一步步拆解清楚：

首先，核心思路是：先算出每个单元格的字符长度，然后判断每行是否至少有一列的长度≥5，留下满足这个条件的行就行。

核心代码实现 #

先拿你给的示例数据来演示，代码可以写成这样：

import pandas as pd

# 构造你提供的示例数据
df = pd.DataFrame({
    'column_1': ['werhi', 'sgds', 'wqyuio', 'fhi', 'sadfhkj'],
    'column_2': ['dsfhjk', 'fuo', 'dsklh', 'd', 'sdjfkhs'],
    'column_3': ['dh', 'g', 'fhkjfj', 'fgho', 'yyisdk']
})

# 核心过滤逻辑，一行搞定
df_filtered = df[df.fillna('').applymap(len).ge(5).any(axis=1)]

运行后得到的df_filtered就完全符合你想要的结果啦！

逐段解释代码逻辑 #

我把核心代码拆解开给你讲，你就懂为什么这么写：

1. df.fillna('')：先把所有NaN替换成空字符串——因为如果直接对NaN计算长度会报错，换成空字符串后长度就是0，不影响后续判断。
2. .applymap(len)：对DataFrame里的每个单元格计算字符长度，得到一个和原表形状完全一样的数值表，每个位置存的是对应单元格的字符数。
3. .ge(5)：把每个长度和5做比较，大于等于5的返回True，小于5的返回False，得到一个布尔值表。
4. .any(axis=1)：按行来判断，只要该行里有一个True（也就是至少有一列的字符数≥5），就返回True；如果全是False（所有列都不足5个字符），就返回False。
5. 最后用这个布尔Series去索引原DataFrame，就自动过滤掉了所有列都不足5字符的行。

额外补充 #

如果你的数据里有非字符串类型的列（比如数字），可以先把所有列转成字符串再处理，只需要在前面加个astype(str)：

df_filtered = df[df.astype(str).fillna('').applymap(len).ge(5).any(axis=1)]

是不是比新建一堆列清爽多了？完全不用额外的中间变量，逻辑也一目了然～

备注：内容来源于stack exchange，提问作者DrakeMurdoch