删除列值类型为字符串 Pandas 的行答案

【问题标题】：Remove rows where column value type is string Pandas删除列值类型为字符串 Pandas 的行
【发布时间】：2015-01-02 11:41:50
【问题描述】：

我有一个熊猫数据框。我的专栏之一应该只是花车。当我尝试将该列转换为浮点数时，我被提醒那里有字符串。我想删除此列中的值为字符串的所有行...

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我的专栏之一应该只是浮动。我想删除所有行其中此列中的值是字符串

您可以通过pd.to_numeric 将您的系列转换为数字，然后使用pd.Series.notnull。转换为float 是一个单独的步骤，以避免您的系列恢复为object dtype。

# Data from @EdChum

df = pd.DataFrame({'a': [0.1, 0.5, 'jasdh', 9.0]})

res = df[pd.to_numeric(df['a'], errors='coerce').notnull()]
res['a'] = res['a'].astype(float)

print(res)

     a
0  0.1
1  0.5
3  9.0

【讨论】：

【解决方案2】：

假设您的数据框是df，并且您希望确保数据框的一列中的所有数据都是特定pandas dtype中的数字，例如float：

df[df.columns[n]] = df[df.columns[n]].apply(pd.to_numeric, errors='coerce').fillna(0).astype(float).dropna()

【讨论】：

【解决方案3】：

使用convert_objects 和参数convert_numeric=True 这会将任何非数值强制转换为NaN：

In [24]:

df = pd.DataFrame({'a': [0.1,0.5,'jasdh', 9.0]})
df
Out[24]:
       a
0    0.1
1    0.5
2  jasdh
3      9
In [27]:

df.convert_objects(convert_numeric=True)
Out[27]:
     a
0  0.1
1  0.5
2  NaN
3  9.0
In [29]:

然后你可以放下它们：

df.convert_objects(convert_numeric=True).dropna()
Out[29]:
     a
0  0.1
1  0.5
3  9.0

更新

自从版本 0.17.0 这个方法现在是 deprecated 并且你需要使用 to_numeric 不幸的是它在 Series 而不是整个 df 所以等效代码现在是：

df.apply(lambda x: pd.to_numeric(x, errors='coerce')).dropna()

【讨论】：

谢谢！我的数据框有多个列。有些列需要有字符串。例如，我有一列“名称”和一列“年龄”。 “年龄”列必须是数字。我试过：df.age.convert_objects(convert_numeric=True) 并得到“系列”对象没有属性“convert_objects”。
在这种情况下你需要做df[['age']].convert_objects(convert_numeric=True)
哦，我明白了，所以 [['age']] 选择了 df 中的列。非常有帮助。但是，我得到一个 TypeError: convert_objects() got an unexpected keyword argument 'convert_numeric.我刚刚检查了文档，'convert_numeric = True' 是正确的论点。想法？
好吧，我觉得我的熊猫已经过时了。现在更新。
嗨。尝试使用它时，我得到一个“convert_objects deprecated”FutureWarning。有什么建议吗？

【解决方案4】：

您可以从dtype.kind 属性中找到列的数据类型。像df[col].dtype.kind 这样的东西。有关详细信息，请参阅the numpy docs。转置数据帧以从索引转到列。

【讨论】：