str.contains默认遇NaN返回NaN，导致布尔索引报错；加na=False可将NaN统一转为False，确保筛选安全。
str.contains 为什么默认不匹配空值会报错
直接对含 NaN 的列调用 str.contains("x")，Pandas 默认抛出 TypeError: expected a string object, not float。这是因为 NaN 在底层是浮点类型，str 方法无法对其操作。
解决方法是显式传入 na=False 参数：
df[~df["col"].str.contains("error", na=False)]
这个 na=False 表示：遇到 NaN 就当它“不包含目标字符”，从而让布尔索引能安全执行。漏掉它，整行过滤就会中断。
~ 运算符不是“删除”而是“取反布尔索引”
~ 是按位取反（bitwise NOT），作用在布尔 Series 上，把 True 变 False、False 变 True。它本身不删数据，只是构造一个“保留哪些行”的掩码。
常见误写：
-
df = df.str.contains(...)—— 错，这会把整个 DataFrame 替换成布尔值 -
df.drop(df.str.contains(...))—— 错，drop接的是标签，不是布尔条件
正确姿势只有这一种：
df = df[~df["text"].str.contains("tmp", case=False, na=False)]
其中 case=False 让匹配忽略大小写，避免漏掉 "Tmp" 或 "TMP"。
正则模式下特殊字符必须转义或关闭 regex
如果要删掉含 "12.34" 的行，直接写 .contains("12.34") 会出问题——因为点号 . 是正则元字符，匹配任意单字符，实际会误删 "12X34" 这类行。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
两种解法：
- 关掉正则：
str.contains("12.34", regex=False, na=False) - 手动转义：
str.contains(r"12\.34", na=False)（注意r前缀和反斜杠）
默认 regex=True，这点容易被忽略，尤其当字符串里有 +、?、[ 等符号时，行为会完全偏离预期。
性能敏感时别在大表上反复 str.contains
对千万级行的 text 列做 str.contains，底层是 Python 循环 + 正则引擎，比纯数值运算慢 1–2 个数量级。
若只是简单子串查找，且不需正则，可用 str.find 或 str.contains(..., regex=False)；更进一步，可先用 df["text"].str.len() > 5 快速筛掉超短文本，减少后续计算量。
另外，str.contains 返回的是布尔 Series，不要把它赋值给新列长期持有——内存占用会翻倍，尤其原始列很长时。
真正难的不是写对那行代码，而是想清楚：这个过滤要不要提前做、能不能用更轻量的方式替代、NaN 和特殊字符是否已覆盖全场景。
