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]

以某种方式”。包含“不适合我，但当我尝试的时候”。isin'正如@kenan在回答中提到的(如何从熊猫数据帧中删除包含特定列中的特定字符串的行?)它是有效的。进一步说，如果你想查看整个数据帧，并删除那些有特定单词(或一组单词)的行，只需使用下面的循环

for col in df.columns:
    df = df[~df[col].isin(['string or string list separeted by comma'])]

只需删除~以获得包含单词的数据框架

要否定查询，请使用~。使用query的优点是直接返回df的有效观测值:

df.query('~col.str.contains("word").values')

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]

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)]

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。