应将CSV的第一列设置为索引：

pd.read_csv(csv, header=None, index_col=0)

或者：

cols = ['DC energy', 'AC energy', 'Capacity factor', 'Inverter Loss']
    
final_df = pd.concat([pd.read_csv(csv, header=None, index_col=0)
                      for csv in csv_files],
                     axis=1, ignore_index=True).T.set_axis(cols)

请注意，这假设所有文件都具有相同的列顺序。您也可以保留默认名称：

final_df = pd.concat([pd.read_csv(csv, header=None, index_col=0)
                      for csv in csv_files],
                     axis=1, ignore_index=True).T

#Applying this example to your data
    import pandas as pd
        
    # Create a sample DataFrame
    data = {'A': [1, 'text', 2, '123', 3],
                'B': [4, 5, 'abc', 6, '789']}
    df = pd.DataFrame(data)
        
    # Convert all values in the DataFrame to numeric, coercing non-numeric values to NaN
    df = df.apply(pd.to_numeric, errors='coerce')
        
    # Drop rows with NaN values (non-numeric entries)
    df = df.dropna()
        
    # Reset the index if needed
    df = df.reset_index(drop=True)
        
    # Print the resulting data frame.
        print(df)

1.我们使用df.apply（pd.to_numeric，errors='coerce'）将DataFrame中的所有值转换为数字，将非数字值强制转换为NaN。2.我们使用df.dropna（）删除包含NaN值的行，这些值对应于非数字条目。3.如果希望索引连续且没有任何间隙，可以使用df.reset_index（drop=True）重置索引。4.运行此代码后，df将仅包含具有数值的行，非数值项将被删除。