Question

我有一些Word文档，在读入数据框之前将其转换为字符串。每个数据帧只有一列宽，但有很多行长。它们都看起来像这样：

0| this document is a survey
1| please fill in fully
2| Send back to address on the bottom of the sheet
etc....

每个数据帧的开头都是乱码，我不需要，所以我需要删除包含值“ Questions”的行之前的所有行。但是，它并不位于每个数据帧相同的索引上，因此我不能只删除前20行，因为它将对每个数据帧产生不同的影响。

如何删除每个数据框中“问题”之前的所有行

Answer 1

假设您只需要在第一次出现“问题”之后保留行，那么这种方法应该可以解决问题：

虚拟数据和设置

import pandas as pd

data = {
    'x': [
          'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k'
    ]
}

df = pd.DataFrame(data)
df

输出：

解决方案

在这里，我将保留第一次出现以字母'f'开头的条目之后的所有行：

df[df.x.str.startswith('f').cumsum() > 0]

输出：

说明

该解决方案依赖于两个主要的pandas功能：

pd.DataFrame().str.startswith，对于以给定字符串开头的任何单元格，使用True获取布尔数组（在此示例中为'f'，但'Questions'也将起作用）。
cumsum()会将布尔值转换为整数，因此请确保首次出现后的所有行都大于零。

通过使用这些索引原始数据帧，我们获得了解决方案。

Answer 2

另一种替代方法是使用str.contains()。使用玩具熊猫系列：

import pandas as pd

# create dataframe
d = ["nothing", "target is here", "help", "more_words"]
df = pd.Series(data=d)

如果您想保留一个单词后的所有行（包括所有行），请说“这里”，您可以这样做：

# check rows to determine whether they contain "here"
keyword_bool = df.str.contains("here", regex=False) 
# return index as int
idx = keyword_bool[keyword_bool==True].index[0] 

# slice dataframe
df = df.iloc[idx:]

根据行值在数据框中删除行

2 个答案:

虚拟数据和设置

解决方案

说明