如何基于的过滤行

Question

我在pandas中有一个数据框，其中一列（即列＆＃39; b＆＃39;）包含带符号的字符串：

import numpy as np 
import pandas as pd 

df = pd.DataFrame({'a': [51, 2,32,99,81], 'b': ['$3', '$4','$-','$0','$23']})

我想过滤数据框，以便我只保留列＆＃39; b＆＃39;只返回除零之外的整数，并丢弃$符号。

我想要的输出是：

欢迎任何反馈。

Answer 1

In [64]: df = pd.DataFrame({'a': [51, 2,32,99,81], 'b': ['$3', '$4','$-','$0','$23']})

In [65]: df['b'] = pd.to_numeric(df['b'].str.replace(r'\D+', ''), errors='coerce')

In [67]: df
Out[67]:
    a     b
0  51   3.0
1   2   4.0
2  32   NaN
3  99   0.0
4  81  23.0

In [68]: df = df[df['b'].notnull() & df['b'].ne(0)]

In [69]: df
Out[69]:
    a     b
0  51   3.0
1   2   4.0
4  81  23.0

或者我们可以这样过滤它：

In [73]: df = df.query("b == b and b != 0")

In [74]: df
Out[74]:
    a     b
0  51   3.0
1   2   4.0
4  81  23.0

Answer 2

同样，使用pd.to_numeric（假设您的数据始终具有相同的结构）。

df.b = pd.to_numeric(df.b.str[1:], errors='coerce')
print(df)
    a     b
0  51   3.0
1   2   4.0
2  32   NaN
3  99   0.0
4  81  23.0

print (df.dropna(subset=['b']))
    a     b
0  51   3.0
1   2   4.0
3  99   0.0
4  81  23.0

如果要过滤掉NaN和零，请使用：

print (df[df.b.notnull() & df.b.ne(0)])
    a     b
0  51   3.0
1   2   4.0
4  81  23.0

Answer 3

df.b=pd.to_numeric(df['b'].str.replace('$', ''),errors='coerce')
df
Out[603]: 
    a     b
0  51   3.0
1   2   4.0
2  32   NaN
3  99   0.0
4  81  23.0

df.loc[(df.b.notnull())&(df.b!=0),:]
Out[604]: 
    a     b
0  51   3.0
1   2   4.0
4  81  23.0