如何在 Pandas 的列中删除不包含字符串类型的行？答案

【问题标题】：How to drop rows not containing string type in a column in Pandas?如何在 Pandas 的列中删除不包含字符串类型的行？
【发布时间】：2016-10-31 16:19:32
【问题描述】：

我有一个包含四列的 csv 文件。我是这样读的：

df = pd.read_csv('my.csv', error_bad_lines=False, sep='\t', header=None, names=['A', 'B', 'C', 'D'])

现在，C 字段包含字符串值。但在某些行中有非字符串类型（浮点数或数字）值。如何删除这些行？我使用的是 Pandas 0.18.1 版。

【问题讨论】：

标签： python string python-2.7 pandas dataframe

【解决方案1】：

您可以将boolean indexing 与to_numeric 创建的mask 和参数errors='coerce' 一起使用-您会得到NaN，其中是字符串值。然后查看isnull：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'C':['a',8,9],
                   'D':[1,3,5]})
print (df)
   A  B  C  D
0  1  4  a  1
1  2  5  8  3
2  3  6  9  5

print (pd.to_numeric(df.C, errors='coerce'))
0    NaN
1    8.0
2    9.0
Name: C, dtype: float64

print (pd.to_numeric(df.C, errors='coerce').isnull())
0     True
1    False
2    False
Name: C, dtype: bool

print (df[pd.to_numeric(df.C, errors='coerce').isnull()])
   A  B  C  D
0  1  4  a  1

【讨论】：

这种方法对于 500,000 行的数据框是否有效？

【解决方案2】：

设置

df = pd.DataFrame([['a', 'b', 'c', 'd'], ['e', 'f', 1.2, 'g']], columns=list('ABCD'))
print df

   A  B    C  D
0  a  b    c  d
1  e  f  1.2  g

请注意，您可以查看各个单元格类型。

print type(df.loc[0, 'C']), type(df.loc[1, 'C'])

<type 'str'> <type 'float'>

蒙版和切片

print df.loc[df.C.apply(type) != float]

   A  B  C  D
0  a  b  c  d

更通用

print df.loc[df.C.apply(lambda x: not isinstance(x, (float, int)))]

   A  B  C  D
0  a  b  c  d

您也可以使用float 来尝试确定它是否可以是浮点数。

def try_float(x):
    try:
        float(x)
        return True
    except:
        return False

print df.loc[~df.C.apply(try_float)]

   A  B  C  D
0  a  b  c  d

这种方法的问题是您将排除可以解释为浮点数的字符串。

比较我提供的几个选项的时间以及 jezrael 的解决方案与小数据帧。

对于具有 500,000 行的数据框：

检查它的类型是否为浮点数似乎是最好的，它后面是数字。如果您需要检查 int 和 float，我会选择 jezrael 的答案。如果您可以避免检查浮动，请使用那个。

【讨论】：

有理由匹配“not float or int”而不是“is str”吗？ df.loc[df.C.apply(lambda x: isinstance(x, str))]

【解决方案3】：

使用 pandas.DataFrame.select_dtypes 方法。前任。

df.select_dtypes(exclude='object')
         or
df.select_dtypes(include=['int64','float','int'])

【讨论】：