我有一個包含兩列的 DataFrame。一列包含可能包含或不包含數字（整數或浮點數）的字串值。
樣本：
import pandas as pd
import numpy as np
data = [('A', '>10'),
('B', '10'),
('C', '<10'),
('D', '10'),
('E', '10-20'),
('F', '20.0'),
('G', '25.1') ]
data_df = pd.DataFrame(data, columns = ['name', 'value'])
Column 中的條目value具有字串資料型別。但是，它們的值可能是數字，也可能不是。
我想得到什么：
在 column 中查找哪些行具有數值
value。從資料集中洗掉其他行。
最終結果將如下所示：
name value
'B' 10
'D' 10
'F' 20.0
'G' 25.1
我嘗試使用isnumeric()函式，但它只回傳True整數（不是浮點數）。
如果您有任何解決此問題的想法，請告訴我。
更新的問題（多列）：
（當有不止一列具有數值時，同樣的問題）
同樣，我有一個包含三列的 DataFrame。兩列包含可能包含或不包含數字（整數或浮點數）的字串值。
樣本：
import pandas as pd
import numpy as np
data = [('A', '>10', 'ABC'),
('B', '10', '15'),
('C', '<10', '>10'),
('D', '10', '15'),
('E', '10-20', '10-30'),
('F', '20.0', 'ABC'),
('G', '25.1', '30.1') ]
data_df = pd.DataFrame(data, columns = ['name', 'value1', 'value2'])
列中的條目value1&value2具有字串資料型別。但是，它們的值可能是數字，也可能不是。
我想得到什么：
value1找出哪些行在列&中有數值value2。從資料集中洗掉其他行。
最終結果將如下所示：
name value1 value2
'B' 10 15
'D' 10 15
'G' 25.1 30.1
uj5u.com熱心網友回復：
您可以使用pandas.to_numericwith errors='coerce'，然后dropna洗掉無效行：
(data_df.assign(value=pd.to_numeric(data_df['value'], errors='coerce'))
.dropna(subset=['value'])
)
注意。這會將整數向上轉換為浮點數，但這是 Series 的作業方式，向上轉換比強制物件型別更好
輸出：
name value
1 B 10.0
3 D 10.0
5 F 20.0
6 G 25.1
如果您只想對行進行切片并保留字串型別：
data_df[pd.to_numeric(data_df['value'], errors='coerce').notna()]
輸出：
name value
1 B 10
3 D 10
5 F 20.0
6 G 25.1
更新的問題（多列）
在切片之前構建一個掩碼并使用any/ ：all
mask = data_df[data_df.columns[1:]].apply(pd.to_numeric, errors='coerce').notna().all(1)
data_df[mask]
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/410760.html
標籤：
上一篇：提取多個字串的相同開頭部分
下一篇：從字串中洗掉元素