也许这就是你需要的，我使用dataframe方法applymap为dataframe中的所有单元格应用lambda函数，并使用Python filter函数删除变量nan_set中不需要的元素。

nan_set = {'val'}
print(
    df.applymap(lambda arr: list(
        filter(lambda element: element not in nan_set, arr)))
)

输入：

TIN        PIN          COL
0  [1, 2, val]     [0, 1]  [val, t, z]
1  [2, val, 4]  [14, val]  [b, a, val]

输出：

TIN     PIN     COL
0  [1, 2]  [0, 1]  [t, z]
1  [2, 4]    [14]  [b, a]

你不能像你想的那样使用remove，因为如果找到了值，它会返回None，如果没有，它会引发ValueError。一种方法是使用嵌套的apply：

df = pd.DataFrame(
    {'TIN': {0: [1,2,'val'], 1: [2,'val',4]},
     'PIN': {0: [0,1], 1: [14,'val']},
     'column': {0: ['val', 't', 'z'], 1: ['b', 'a', 'val']}}
)
df = df.apply(lambda x:x.apply(lambda y:[v for v in y if v != 'val']))

输出：

TIN     PIN  column
0  [1, 2]  [0, 1]  [t, z]
1  [2, 4]    [14]  [b, a]

请注意，从性能方面考虑，最好使用applymap（大约快35%），如@LuanNguyen的回答所述：

df = df.applymap(lambda y:[v for v in y if v != 'val'])

或者使用一组值来删除：

remove = { 'val', 'xyz' }
df = df.applymap(lambda y:[v for v in y if v not in remove])

可以将apply与自定义函数一起使用。
(you可以在一行中完成大部分代码，但很难理解）：

Value2Remove='val'

def RemoveVal(Ls,Val):
   if Val in Ls:
       Ls.remove(Val)
   return Ls

df['TIN'] = df['TIN'].apply(lambda x: RemoveVal(x,Value2Remove))
df['PIN'] = df['PIN'].apply(lambda x: RemoveVal(x,Value2Remove))
df['column'] = df['column'].apply(lambda x: RemoveVal(x,Value2Remove))

输入：

TIN PIN column
0   [1, 2, val] [0, 1]  [val, t, z]
1   [2, val, 4] [14, val]   [b, a, val]

输出：

TIN PIN column
0   [1, 2]  [0, 1]  [t, z]
1   [2, 4]  [14]    [b, a]

您可以使用两个嵌入的“for”循环来实现这一点，一个循环用于遍历df中的单元格，另一个循环用于遍历单元格中的列表元素。

for cell in df["col"]:
    for listitem in cell:
        if listitem < 10:
            list.pop(n)
        else:
            continue

“cell”迭代df单元格，listitems迭代单元格中的列表元素。n表示列表中的第n个元素。IOW如果n = 3，则它将删除列表的第4个元素（记住0是技术上的第一个元素）。

可以通过将每行视为一个系列来使用apply

def remove_nan(s):
    cols = ['TIN', 'PIN', 'column']
    for col in cols:
            try:
                    s[col].remove('nan')
            except ValueError:
                    pass
    return s

将其应用于df，将轴设置为1，以便在列上执行操作

df_text = df.apply(remove_nan, axis=1)

print(df_text)

TIN     PIN  column
0  [1, 2]  [0, 1]  [t, z]
1  [2, 4]    [14]  [b, a]