Python Pandas read_csv（）：如果与架构不匹配，则删除行

我有一个csv文件，需要作为数据帧读取和解析。 理论上，所有列都应该遵循数字数据和字符串的已知模式。 我知道有些记录被破坏了，要么字段数量减少，要么顺序错误

我想做的是消除所有这些有问题的行

作为参考，在PySpark上，我曾经使用'DROPMALFORMED'过滤掉与模式不匹配的记录

dataSchema=StructType[ StructFieldcol1，LongType，True， StructFieldcol2，StringType，True] dataFrame=sqlContext.read\ .format'com.databricks.spark.csv'\ .options标头='false'，分隔符='\t'，模式='DROPMALFORMED'\ .loadfilename，schema=dataSchema 对于熊猫，我找不到一个简单的方法。 例如，我认为这个代码段会起作用，但它只是复制回错误的值，而不是删除它

dataFrame['col1']=dataFrame['col1'].astypenp.int64，errors='ignore' 可能是熊猫。数字会有帮助。它有errors='compresse'选项，该选项将所有错误值替换为NaN。然后，您可以使用dropna函数删除包含NaN的行：

import pandas as pd
df=pd.DataFrame([[1,2,3],[4,5,6],[7,'F',8]],columns=['col1','col2','col3'])
df['col2']=pd.to_numeric(df['col2'],errors='coerce')
df.dropna(inplace=True)