Question

我有一个数据框，它有以下属性; id，text，created_at，retweet_count，favorite_count，source，user_id

我希望通过弹出以＆＃34; RT＆＃34;开头的df.text行来获取新的数据帧。

non_retweeted_list = []

for i in range(len(df)):
    if (df.text[i][0] and df.text[i][1]) == ('R' and 'T'):
        pass
    else:
        non_retweeted_list.append(df[i])

但是我得到了KeyError：

KeyError                                  
Traceback (most recent call last)
/home/bd/anaconda3/lib/python3.5/site-packages/pandas/indexes
/base.py in get_loc(self, key, method, tolerance)
1944  try:
-> 1945                 return self._engine.get_loc(key)
1946             except KeyError:

.
.
.
During handling of the above exception, another exception occurred:
KeyError                               Traceback (most recent call last)
<ipython-input-3-5dfc6d77a22c> in <module>()
  5         pass
  6     else: 
 ----> 7         non_retweeted_list.append(df[i])
 .
 .
 .
 KeyError: 0

我该如何解决？

Answer 1

您需要boolean indexing startswith作为掩码：

df = pd.DataFrame({'text':['RT apple','dog','RT baladiska']})
print (df)
           text
0      RT apple
1           dog
2  RT baladiska

mask = df['text'].str.startswith('RT')
print (mask)
0     True
1    False
2     True
Name: text, dtype: bool

#filter out columns start with RT
df1 = df[~mask]
print (df1)
  text
1  dog

#filter values starting RT
df2 = df[mask]
print (df2)
           text
0      RT apple
2  RT baladiska

可替换地：

mask = df['text'].str.contains('^RT')

Answer 2

可能是您引用索引的方式。此外，这是检查前两个字符的奇怪方法。你为什么这样做？您如何看待我在下面展示的方式？

non_retweeted_list = []
for i in range(len(df)):
    if 'RT' == df['text'][df.index==i][0:2]:
        pass
    else:
        non_retweeted_list.append(df[df.index[i]])

最后，做一个if-pass声明可能不是一个好主意。使用否定

non_retweeted_list = []
for i in range(len(df)):
    if 'RT' != df['text'][df.index==i][0:2]:
        non_retweeted_list.append(df[df.index==i])

如何从数据框中删除特定列

2 个答案: