我查看了这篇文章:finding non-numeric rows in dataframe in pandas? 但它并没有真正回答我的问题。
我的示例数据:
import pandas as pd
d = {
'unit': ['UD', 'UD', 'UD', 'UD', 'UD','UD'],
'N-D': [ 'Q1', 'Q2', 'Q3', 'Q4','Q5','Q6'],
'num' : [ -1.48, 1.7, -6.18, 0.25, 'sum(d)', 0.25]
}
df = pd.DataFrame(d)
看起来像这样:
N-D num unit
0 Q1 -1.48 UD
1 Q2 1.70 UD
2 Q3 -6.18 UD
3 Q4 0.25 UD
4 Q5 sum(d) UD
5 Q6 0.25 UD
我只想过滤掉“num”列中非数字的行。我希望所有列仅包含列“num”的非数字值的行。
期望的输出:
N-D num unit
4 Q5 sum(d) UD
我的尝试:
nonnumeric=df[~df.applymap(np.isreal).all(1)] #didn't work, it pulled out everything, besides i want the condition to check only column 'num'.
nonnumeric=df['num'][~df.applymap(np.isreal).all(1)] #didn't work, it pulled out all the rows for column 'num' only.
最佳答案
使用boolean indexing
带有由 to_numeric
创建的掩码+ isnull
注意:此解决方案不会查找或过滤保存为字符串的数字:如“1”或“22”
print (pd.to_numeric(df['num'], errors='coerce'))
0 -1.48
1 1.70
2 -6.18
3 0.25
4 NaN
5 0.25
Name: num, dtype: float64
print (pd.to_numeric(df['num'], errors='coerce').isnull())
0 False
1 False
2 False
3 False
4 True
5 False
Name: num, dtype: bool
print (df[pd.to_numeric(df['num'], errors='coerce').isnull()])
N-D num unit
4 Q5 sum(d) UD
另一种使用isinstance
和apply
的解决方案:
print (df[df['num'].apply(lambda x: isinstance(x, str))])
N-D num unit
4 Q5 sum(d) UD
关于python - 在 pandas python 列中获取非数字行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44140489/