为了补充上面的问题，如果有人想删除所有带字符串的行，可以这样做:

df_new=df[~df['col_name'].apply(lambda x: isinstance(x, str))]

你可以使用反转(~)操作符(它的作用类似于布尔数据的not):

new_df = df[~df["col"].str.contains(word)]

其中new_df是RHS返回的副本。

Contains也接受正则表达式…

如果上面抛出ValueError或TypeError，原因很可能是因为你有混合数据类型，所以使用na=False:

new_df = df[~df["col"].str.contains(word, na=False)]

Or,

new_df = df[df["col"].str.contains(word) == False]

在使用上面安迪推荐的命令之前，我必须去掉NULL值。一个例子:

df = pd.DataFrame(index = [0, 1, 2], columns=['first', 'second', 'third'])
df.ix[:, 'first'] = 'myword'
df.ix[0, 'second'] = 'myword'
df.ix[2, 'second'] = 'myword'
df.ix[1, 'third'] = 'myword'
df

    first   second  third
0   myword  myword   NaN
1   myword  NaN      myword 
2   myword  myword   NaN

现在运行命令:

~df["second"].str.contains(word)

我得到以下错误:

TypeError: bad operand type for unary ~: 'float'

我先用dropna()或fillna()摆脱了NULL值，然后重试该命令，没有问题。

我也遇到了不(~)符号的麻烦，所以这里是另一个StackOverflow线程的另一种方式:

df[df["col"].str.contains('this|that')==False]

你可以使用Apply和Lambda:

df[df["col"].apply(lambda x: word not in x)]

或者如果你想定义更复杂的规则，你可以使用AND:

df[df["col"].apply(lambda x: word_1 not in x and word_2 not in x)]

除了nanselm2的答案，你可以用0代替False:

df["col"].str.contains(word)==0