Question

我有3个columna的pandas数据框，我想对OIB列执行健全性检查，以删除OIB下以非数字开头的观察值。

样本DF如下：我想从非数字开始删除具有OIB的3行。

   subscriber_id          msisdn         oib

1:    BP12192064 385989105724 19958945074

2:    KP12192064 385989105774 09958945074

3:    KP12192064 385989105774 A9958945074

我在R中尝试了以下方法：

sym <- unique(df[!substr(oib, 1, 1) %in% (0:9), list(symb = substr(oib, 1, 1))])

df <- df[!substr(oib, 1, 1) %in% symbols[, symb]]

我想要以上代码在Python中的预期输出为：

subscriber_id          msisdn         oib

1:    BP12192064 385989105724 19958945074

2:    KP12192064 385989105774 09958945074

Answer 1

您可以将isin与string.digits一起使用：

from string import digits

df[df['oib'].str[0].isin(list(digits))]

Answer 2

df[~df.oib.str.contains('[A-Za-z\W]', regex=True)]

输出

subscriber_id        msisdn          oib
1:    BP12192064  385989105724  19958945074
2:    KP12192064  385989105774  09958945074

Answer 3

将Series.str.contains与^一起用于字符串的开头，将\d用于匹配号码：

df = df[df['oib'].str.contains('^\d')]
print (df)
   subscriber_id        msisdn          oib
1:    BP12192064  385989105724  19958945074
2:    KP12192064  385989105774  09958945074

Answer 4

您也可以使用isnumeric或isdigit

例如：

import pandas as pd

df = pd.DataFrame({"subscriber_id": ["BP12192064", "KP12192064",  "KP12192064"],
                   "msisdn": ["385989105724", "385989105774", "385989105774"],
                   "oib": ["19958945074", "09958945074", "A9958945074"]})

print(df[df["oib"].str[0].str.isnumeric()])
print("--")
print(df[df["oib"].str[0].str.isdigit()])

删除列中以熊猫数据框中的非数字开头的记录

4 个答案: