为何在Pandas DataFrame过滤door_age列时出现类型错误？

你猜的完全没错！这个错误的核心原因就是door_age列被识别成了字符串类型——因为里面的数值带了逗号（比如-7,987），Pandas读取CSV时默认把它当成了文本，自然没法和整数0做大小比较。另外还有个小细节：你用的df.filter()其实是用来筛选列的函数，不是用来过滤行的，这也是需要调整的地方。

下面是完整的解决步骤：

1. 清理并转换door_age列的类型 #

首先需要去掉数值中的逗号，再把列转换为数值类型，同时处理可能的非数值内容：

import pandas as pd

# 假设你的DataFrame已经读取完成
# 先去掉逗号，再转换为数值类型，无法转换的会变成NaN
df['door_age'] = pd.to_numeric(df['door_age'].str.replace(',', ''), errors='coerce')

• str.replace(',', '')：把字符串里的逗号移除，比如"-7,987"会变成"-7987"，这样才能被正确转换为数值。
• pd.to_numeric(..., errors='coerce')：将处理后的字符串转为数值，遇到无法转换的内容（比如如果有纯文本）会转为NaN，方便后续统一过滤。

2. 正确过滤行 #

现在door_age是数值类型了，我们用布尔索引来筛选符合条件的行（替代你之前用错的df.filter()）：

# 过滤掉door_age小于等于0或为NaN的行
df_filtered = df[df['door_age'] > 0]

或者用更简洁的df.query()语法：

df_filtered = df.query('door_age > 0')

执行完上面的步骤后，你的df_filtered就会只保留door_age为正数的行（也就是示例中的第3、4行）。

内容的提问来源于stack exchange，提问作者ddd