如何基于lambda删除DataFrame中符合指定条件的行？

当然可以实现你的需求，先给你两种可行的方案：一种是pandas官方更推荐的高效写法，另一种就是你想要的类似apply的实现方式，先从你的示例数据说起。

首先先构造你给出的示例DataFrame：

import pandas as pd

data = {
    'F': [0, 1, 2],
    'T': ['0', '', '2'],
    'l': ['0', '1', '']
}
df = pd.DataFrame(data)

方案一：布尔索引+isin（推荐，效率更高） #

这种方式不需要用到apply，利用pandas的向量化操作，处理大数据集时速度会快很多。你可以先定义好运行时的空值列表，然后通过布尔条件过滤出需要保留的行：

# 运行时动态定义空值条件
empty_values = ['', 'N/A']

# 保留T和l列的值都不在空值列表里的行
filtered_df = df[(~df['T'].isin(empty_values)) & (~df['l'].isin(empty_values))]

解释一下：

• df['T'].isin(empty_values)会返回一个布尔Series，标记T列的值是否在空值列表里
• ~用来取反，也就是筛选出不在空值列表里的行
• &表示逻辑与，确保T和l列都满足非空条件

运行后得到的结果就是你想要的：

F  T  l
0  0  0  0

方案二：用apply逐行判断（符合你的设想） #

如果你确实想用类似apply的写法，也是可以的，通过apply逐行检查条件，保留符合要求的行。不过要注意，这种方式是逐行处理，数据量大的时候效率不如方案一：

empty_values = ['', 'N/A']

# 按行应用lambda函数，返回True的行会被保留
filtered_df = df[df.apply(lambda row: row['T'] not in empty_values and row['l'] not in empty_values, axis=1)]

这里的关键是axis=1，表示对每一行应用lambda函数，lambda函数判断当前行的T和l列是否都不在空值列表里，返回布尔值，最后用这个布尔Series来过滤原DataFrame。

为什么你之前的df.drop.apply写法不行？ #

df.drop()方法是用来删除指定的行/列，它需要传入行索引、列名或者布尔索引，不能直接在drop上调用apply。正确的思路是先通过apply生成需要保留的行的布尔标记，再用这个标记去过滤原DataFrame，就像上面的方案二那样。

内容的提问来源于stack exchange，提问作者Agus