jupyter对由于数据中输入了非数值型，所以需要对非数值型的数据进行清理，筛查出不是int的数据行号，再对这些行进行删除。

可以使用 Pandas 库中的 `apply()` 方法结合 Python 内置的 `isnumeric()` 方法来实现对非数值型数据的筛查和删除操作。具体步骤如下：

1. 读取数据到 Pandas 的 DataFrame 中。

import pandas as pd
df = pd.read_csv('data.csv')

2. 使用 `apply()` 方法和 `isnumeric()` 方法来筛选出非数值型数据的行。

non_numeric_rows = df.apply(lambda x: not x.str.isnumeric().all(), axis=1)

3. 使用 Pandas 的 `drop()` 方法删除非数值型数据的行。

df = df.drop(df[non_numeric_rows].index)

完整代码如下：

import pandas as pd

# 读取数据到 DataFrame 中
df = pd.read_csv('data.csv')

# 筛选出非数值型数据的行
non_numeric_rows = df.apply(lambda x: not x.str.isnumeric().all(), axis=1)

# 删除非数值型数据的行
df = df.drop(df[non_numeric_rows].index)

# 输出处理后的 DataFrame
print(df)

其中，`axis=1` 表示应用于行，`axis=0` 表示应用于列。`str.isnumeric()` 方法用于判断字符串是否为数字，`all()` 方法用于判断所有元素是否都为 True。