Question

我在数据框中有以下列：

Column1   Column2    Column3     Column4
a            1           2           a     
1            2           a           c
b            3           c           d
3            2           1           b
4            2           1           a
c            1           d           a

这些列的类型为object，我想将Column1，Column2和Column3转换为数字类型int8，同时保持{{1 }}作为类型对象。为此，我尝试使用Column4（我打算在pd.to_numeric(data.Column1)和Column2之后使用相同的方法），但是出现以下错误：

Column3

显而易见的原因是什么。我想知道是否有什么方法可以让我摆脱这三列中由字符串形成的行，所以在那之后，我会得到：

ValueError: Unable to parse string "a" at position 0

有没有办法做到这一点？还是有另一种方式可以允许我这样做？

编辑：我已经检查了Remove non-numeric rows in one column with pandas中的问题，但这并不能解决我的问题，因为我的数据集中有多于两个的列，而我没有不想将其转换为数字。

Answer 1

使用image for reference和apply将非数字替换为缺失值，然后用to_numeric删除NaN的行并最后转换为integer s：< / p>

df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).dropna().astype(int)
print (df)
   Column1  Column2  Column3
3        3        2        1
4        4        2        1

详细信息：

print (df.apply(lambda x: pd.to_numeric(x,errors='coerce')))
   Column1  Column2  Column3
0      NaN      1.0      2.0
1      1.0      2.0      NaN
2      NaN      NaN      NaN
3      3.0      2.0      1.0
4      4.0      2.0      1.0
5      NaN      1.0      NaN

编辑：

另一种解决方案是使用dropna和DataFrame.all检查是否不丢失值：

cols = ['Column1','Column2','Column3']
#define columns for check numeric
mask = df[cols].apply(lambda x: pd.to_numeric(x, errors='coerce')).notnull().all(axis=1)
#filtering
df = df[mask]
#converting to integers
df[cols] = df[cols].astype(int)
print (df)
   Column1  Column2  Column3 Column4
3        3        2        1       b
4        4        2        1       a

print (df.dtypes)
Column1     int32
Column2     int32
Column3     int32
Column4    object
dtype: object

如何只将数字保留在也有字符串的列数据框中？

1 个答案: