Question

我有一个大的.txt数据格式不正确。我想删除一些行并将其余数据转换为浮点数。我想删除'X'或'XX'的行，其余的我应该转换为float，像4;00.1这样的数字应该转换为4.001该文件看起来像这样的样本：

0,1,10/09/2012,3:01,4;09.1,5,6,7,8,9,10,11
1,-0.581586,11/09/2012,-1:93,0;20.3,739705,,0.892921,5,,6,7
2,XX,10/09/2012,3:04,4;76.0,0.183095,-0.057214,-0.504856,NaN,0.183095,12
3,-0.256051,10/09/2012,9:65,1;54.9,483293,0.504967,0.074442,-1.716287,7,0.504967,0.504967
4,-0.728092,11/09/2012,0:78,1;53.4,232247,4.556,0.328062,1.382914,NaN,4.556,4
5,4,11/09/2012,NaN,NaN,6.0008,NaN,NaN,NaN,6.000800,6.000000,6.000800
6,X,11/09/2012,X,X,5,X,8,2,1,17.000000,33.000000
7,,11/09/2012,,,,,,6.000000,5.000000,2.000000,2.000000
8,4,11/09/2012,7:98,3;04.5,5,6,3,7.000000,3.000000,3.000000,2
9,6,11/09/2012,2:21,4;67.2,5,2,2,7,3,8.000000,4.000000

我将其读取到DataFrame并选择行

from pandas import *
from csv import *
fileName = '~/data.txt'
colName = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']
df = DataFrame(read_csv(fileName, names=colName))
print df[df['b'].isin(['X','XX',None,'NaN'])].to_string()

最后一行的输出只给我：

>>> print df[df['b'].isin(['X','XX',None,'NaN'])].to_string()
    b           c     d       e         f          g         h   i         j   k   l
a                                                                                   
2  XX  10/09/2012  3:04  4;76.0  0.183095  -0.057214 -0.504856 NaN  0.183095  12 NaN
6   X  11/09/2012     X       X  5.000000          X  8.000000   2  1.000000  17  33

不接受第7行，我想通过所有df而不仅仅是一列（原始文件非常大）。

在转换时我使用如下，但需要首先删除不需要的行以将其应用于所有df。

convert1 = lambda x : x.replace('.', '')
convert2 = lambda x : float(x.replace(';', '.'))
newNumber = convert2(convert1(df['e'][0]))

选择行后我想从df中删除它们，我尝试df.pop()但它只适用于不适用于行的列。我试着命名行但不运气。在这个特定的.txt中，我应该用行[0,3,8,9]中的新df结束，列'c'作为日期格式，'d'作为时间格式，其余作为浮点数。我试着弄清楚它已经有一段时间了，但是不知道在哪里移动，它是否可能在熊猫（可能应该是）或者我是否需要更改为ndarray或其他任何东西？谢谢你的建议

Answer 1

原始过滤器的问题是检查“NaN”而不是numpy.nan，这是默认情况下解析的空字符串。如果要过滤所有列，以便只获得没有元素为“X”或“XX”的行，请执行以下操作：

In [45]: names = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']

In [46]: df = pd.read_csv(StringIO(data), header=None, names=names)

In [47]: mask = df.applymap(lambda x: x in ['X', 'XX', None, np.nan])

In [48]: df[-mask.any(axis=1)]
Out[48]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 9
Data columns:
a    5  non-null values
b    5  non-null values
c    5  non-null values
d    5  non-null values
e    5  non-null values
f    5  non-null values
g    5  non-null values
h    5  non-null values
i    5  non-null values
j    4  non-null values
k    5  non-null values
l    5  non-null values
dtypes: float64(6), int64(1), object(5)

从python pandas中的DataFrame中删除特定行

1 个答案: