从pandas dataframe

Question

我有一个包含2列，类型和文本的pandas数据框 text列包含字符串值。 如何删除文本列中包含一些数值的行。 e.g：

`ABC 1.3.2`, `ABC12`, `2.2.3`, `ABC 12 1`

我在下面尝试过，但收到错误。知道为什么会出错吗？

df.drop(df[bool(re.match('^(?=.*[0-9]$)', df['text'].str))].index)

Answer 1

在您的情况下，我认为使用简单的索引而不是丢弃会更好。例如：

>>> df
       text type
0       abc    b
1    abc123    a
2       cde    a
3  abc1.2.3    b
4     1.2.3    a
5       xyz    a
6    abc123    a
7      9999    a
8     5text    a
9      text    a


>>> df[~df.text.str.contains(r'[0-9]')]
   text type
0   abc    b
2   cde    a
5   xyz    a
9  text    a

找到没有数字文本的任何行

解释：

df.text.str.contains(r'[0-9]')

返回一个布尔系列，其中有任何数字：

0    False
1     True
2    False
3     True
4     True
5    False
6     True
7     True
8     True
9    False

您可以将其与~一起用于索引数据框，无论哪里返回false

Answer 2

来自jpp的数据

s[s.str.isalpha()]
Out[261]: 
0    ABC
2    DEF
6    GHI
dtype: object

Answer 3

假设您将数字定义为x.isdigit()，评估为True，您可以将any与生成器表达式一起使用，并通过pd.Series.apply创建一个布尔掩码：

s = pd.Series(['ABC', 'ABC 1.3.2', 'DEF', 'ABC12', '2.2.3', 'ABC 12 1', 'GHI'])

mask = s.apply(lambda x: not any(i.isdigit() for i in x))

print(s[mask])

0    ABC
2    DEF
6    GHI
dtype: object

Answer 4

我在评论中问道，你对数字的定义是什么？如果我们使用isnumeric跟踪python＆＃39; split()，我们会得到以下信息：

import pandas as pd

将pandas导入为pd

df = pd.DataFrame({
    'col1': ['ABC', 'ABC 1.3.2', 'DEF', 'ABC12', '2.2.3', 'ABC 12 1', 'GHI']
})

m1 = df['col1'].apply(lambda x: not any(i.isnumeric() for i in x.split()))
m2 = df['col1'].str.isalpha()
m3 = df['col1'].apply(lambda x: not any(i.isdigit() for i in x))
m4 = ~df['col1'].str.contains(r'[0-9]')

print(df.assign(hasnonumeric=m1,isalhpa=m2, isdigit=m3, contains=m4))

# Opting for hasnonumeric
df = df[m1]

打印：

        col1  hasnonumeric  isalhpa  isdigit  contains
0        ABC          True     True     True      True
1  ABC 1.3.2          True    False    False     False
2        DEF          True     True     True      True
3      ABC12          True    False    False     False
4      2.2.3          True    False    False     False
5   ABC 12 1         False    False    False     False
6        GHI          True     True     True      True