最直接的多列条件行删除应使用 df.loc[~(...)] 而非 df.drop() 配合布尔索引；需用括号包裹子条件，& 代替 and；NaN 判断须用 isna()；所有删除操作必须显式赋值，inplace=True 已弃用。
用 df.loc[~(...)] 做多列条件行删除最直接
别碰 df.drop() 配合布尔索引，它不直观还容易索引错位。直接用 df.loc 取反逻辑最稳：df = df.loc[~((df['A'] > 5) & (df['B'] == 'x'))]。注意必须用括号把每个子条件包住，& 是位与操作符，不是 and；Python 的 and 在 Pandas 里会报 ValueError: The truth value of a Series is ambiguous。
删除含空值（NaN）的多列组合行要小心 isna()
比如想删掉「col1 为空且 col2 小于 10」的行，不能写 df['col1'] == np.nan——NaN 不等于自己。得用 df['col1'].isna()。完整写法：df = df.loc[~(df['col1'].isna() & (df['col2'] 。如果用 <code>query()，得写成 df.query("not (col1 != col1 and col2 ，可读性差，不推荐。
query() 适合简单字符串条件，但对混合类型或函数调用支持弱
query() 写起来像 SQL，看着清爽，但有硬伤：不支持 isna()、str.contains() 这类方法直接调用，也不能用变量名带点号（如 df['a.b']）；还要求列名不能是关键字（比如列叫 class 就得用反引号）。安全用法举例：df.query("age > 30 and city in ['Beijing', 'Shanghai']")。一旦条件里要算 df['x'].apply(lambda v: ...) 或判断是否为 None，立刻切回 loc。
原地修改还是赋值？记住 inplace=True 在新版本已弃用
Pandas 2.0+ 已移除 drop(..., inplace=True) 的支持，强行用会报 FutureWarning 并失效。所有删除操作都得显式赋值：df = df.loc[...]。如果数据量大，担心内存复制开销，可以加 copy=False（仅当确定没共享内存时才安全），但多数场景没必要折腾。真正容易被忽略的是链式赋值警告——别写 df.loc[...]['col'] = 0，这不会改原 DataFrame，得用 .loc 一次性定位到行列。
立即学习“Python免费学习笔记（深入）”；
