Question

我正在使用熊猫中的数据框，并且某些列中的某些值具有Type mismatch. Required: kotlin.collections.HashMap<Class<in Throwable>, () → Unit> /* = java.util.HashMap<Class<in Throwable>, () → Unit> */ Found: kotlin.collections.HashMap<Class<BadRequestError>, () → Unit> /* = java.util.HashMap<Class<BadRequestError>, () → Unit> */值。当我尝试使用Seaborn在该列上运行视觉效果时，出现以下错误：

ValueError：无法将字符串转换为float：'*'

我知道哪些列具有*值：

Answer 1

您可以执行以下操作。在我的示例中，我将在数据帧df中包含两列y和z，其中可能包含*。

import pandas as pd

df = pd.DataFrame({
    'x': [1, 2, 3, 4],
    'y': [1, 4, '*', 16],
    'z': [2, 3, 5, '*'],
})

df[(df['y'] != '*') & (df['z'] != '*')].head()

Answer 2

您可以使用replace功能。因为争论只是通过按照这种方案的字典{我不需要它：这正是我想要的}。

例如：

df = pd.DataFrame({"column1": ["a", "b", "a"]})
print(df)

  column1
0       a
1       b
2       a

df["column1"].replace({"a": "x", "b": "y"}, inplace=True)
print(df)

  column1
0       x
1       y
2       x

Answer 3

添加to_numpy可以提高性能。

# Example to reproduce solution
# We know that col_a and col_b contains '*'
df = pd.DataFrame(
    {
        "col_a": [1, 5, "*", 6, 8, "*"],
        "col_b": ["*", 6, 8, "*", 2, 4],
        "col_c": [1, 6, 8, 10, 2, 4],
    }
)
df = df[(df["col_a"].to_numpy() != "*") & (df["col_b"].to_numpy() != "*")]

如果您不介意使用numpy并且列数很大，则可以使用：

import numpy as np


def clean_asterisk(df, cols):
    """
    Drop asterisk in know columns
    
    Parameters:
    -----------
    df : pd.DataFrame
    DataFrame we want to clean
    
    cols : str or list of strings
    List of known columns with asterisks
    
    Returns:
    --------
    df : pd.DataFrame
    DataFrame cleaned without asterisk
    """
    if len(cols) == 0:
        raise ValueError(
            "Pass at least a list of one element or a string with one character"
        )
    if len(cols) == 1 or isinstance(cols, str):
        try:
            df = df[df[cols].to_numpy() != "*"]
            return df
        except KeyError:
            print(f"Column {cols} must be in the DataFrame")
    try:
        df = df[np.bitwise_and.reduce([df[col] != "*" for col in cols])]
        return df
    except KeyError:
        print(f"Column {cols} must be in the DataFrame")

df = clean_asterisk(df,["col_a","col_b"])

最后一种方法具有更高的可伸缩性，但对于小型示例而言太复杂了。

如何在熊猫的数据框中删除*值？

3 个答案: