Pandas如何删除包含特定词的行_利用~运算符取反筛选包含行

处理Pandas数据清洗时，按关键词筛选或删除行是高频操作。很多人第一反应是用循环，其实用`str.contains()`配合取反运算符就能高效完成。不过这里有几个容易踩的坑，值得先说说。

用`str.contains()`配合`~`删除含特定词的行

核心逻辑很简单：先筛选出包含关键词的行，再用取反符号`~`把它们过滤掉。`str.contains()`返回的是一个布尔型Series，`~`对它取反后，就得到了“不包含”的掩码。

实际操作中，最常见的错误是没加`na=False`。当列中存在`NaN`值时，`str.contains()`默认会返回`NaN`，而`~NaN`会直接报错，提示`TypeError: bad operand type for unary ~: 'float'`。所以，必须显式传入`na=False`，让缺失值被统一视为`False`，取反后才能保留为`True`——也就是保留那些包含NaN的行。

另外还有几个细节需要注意：

• 正则表达式中的特殊字符（如`.`、`*`、`?`）默认会被当作正则语法处理。如果只想匹配字面量，记得加上`regex=False`。
• 默认情况下，`str.contains()`是大小写敏感的。如果需要忽略大小写，可以加上`case=False`。

举个例子：要删除text列中包含“error”（不区分大小写）的行，可以这样写：

df = df[~df['text'].str.contains('error', na=False, case=False)]

为什么不用`query()`？它在字符串模糊匹配上存在局限

`query()`的写法确实更简洁，但它对字符串方法的支持有限。它只允许`.str.startswith()`、`.str.endswith()`和`.str.fullmatch()`这类确定性匹配，没有`str.contains()`的等价写法。如果硬写`query("text.str.contains('x')")`，会直接报错——`query()`无法解析这种嵌套属性调用。

所以，遇到需要模糊匹配的场景，老老实实用布尔索引是最稳妥的方案。

`isin()`和`contains()`别搞混：一个是精确匹配，一个是子串搜索

有些人看到“删除含某几个词的行”，会下意识想到`isin()`。但`isin()`只判断单元格是否完全等于某个值，不是找子串。比如`df[~df['text'].isin(['error', 'fail'])]`，只会删掉整个值正好是`'error'`或`'fail'`的行，而像`'system error occurred'`这样的内容会被忽略。

如果需要删除包含任意一个关键词的行，可以用`|`把多个`contains()`条件拼接起来，或者直接写一个正则表达式，比如`pattern = 'error|fail'`。

如果要删除同时包含多个关键词的行，就得链式调用，或者用`apply()`配合`all()`，但性能会差一些，非必要不建议这样用。

性能优化：大表上避免重复计算，必要时缓存布尔掩码

`~df['col'].str.contains(...)`每次都会重新计算一遍。如果后续还要基于同样的条件做其他操作（比如统计剩余行数、再按另一列分组），最好先把掩码存成变量：

mask = ~df['text'].str.contains('temp', na=False)
df_clean = df[mask].copy()
print(f"删了 {len(df) - mask.sum()} 行")

当`contains()`带有复杂正则或`case=False`时，计算开销会明显增加。另外，用`copy()`能避免`SettingWithCopyWarning`，虽然不是必须的，但顺手加上更稳妥。

其实，很多人真正容易忽略的是`na`参数的默认行为。调了半天，发现删少了或者报错了，才回头查文档——这个坑，才是最常踩的。