Question

wu=pd.DataFrame({'a':['hhh',2,3,4,5],'b':[1,2,np.nan,np.nan,5]}

我想用＆＃39; hhh＆＃39;删除该行，因为＆＃39; a＆＃39;中的所有数据都是是数字。原始数据量很大。非常感谢你。

Answer 1

选项1
使用a

转换pd.to_numeric

df.a = pd.to_numeric(df.a, errors='coerce')
df

     a    b
0  NaN  1.0
1  2.0  2.0
2  3.0  NaN
3  4.0  NaN
4  5.0  5.0

非数字列被强制转换为NaN。然后你可以删除这一行 -

df.dropna(subset=['a'])

     a    b
1  2.0  2.0
2  3.0  NaN
3  4.0  NaN
4  5.0  5.0

选项2
另一种方法是使用str.isdigit -

df.a.str.isdigit()

0    False
1      NaN
2      NaN
3      NaN
4      NaN
Name: a, dtype: object

按此过滤 -

df[df.a.str.isdigit().isnull()]

   a    b
1  2  2.0
2  3  NaN
3  4  NaN
4  5  5.0

备注 -

这不适用于浮动列
如果数字也是字符串，则删除isnull位 -
```
df[df.a.str.isdigit()]
```

Answer 2

import pandas as pd
import numpy as np

wu=pd.DataFrame({'a':['hhh',2,3,4,5],'b':[1,2,np.nan,np.nan,5]})

#wu = wu[wu.a.str.contains('\d+',na=False)]

#wu = wu[wu.a.apply(lambda x: x.isnumeric())]

wu = wu[wu.a.apply(lambda x: isinstance(x, (int, np.int64)))]

print(wu)

请注意，在创建DataFrame时错过了右括号。

我尝试了3种方法，但只有第3种方法有效。如果适合您，您可以随时尝试其他（注释掉）。如果它适用于较大的数据集，请告诉我。

Answer 3

df = pd.DataFrame({'a':['hhh',2,3,4,5],'b':[1,2,np.nan,np.nan,5]})

df.drop(df[df['a'].apply(type) != int].index, inplace=True)

如果您只想查看相应的行：

df.loc[df['a'].apply(type) != int, :]

Pandas DataFrame：列中的大多数数据是＆＃39; float＆＃39; ，我想删除＆＃39; str＆＃39;

3 个答案: