如果特定列中的值不是 Pandas 数据框中的整数，则删除行

Question

如果我有一个数据框并想删除其中一列中的值不是整数的任何行，我该怎么做？

如果值不在 0-2 范围内，另一种方法是删除行，但由于我不确定如何执行其中任何一个，我希望有人可以这样做。

这是我尝试过的，但不知道为什么：

df = df[(df['entrytype'] != 0) | (df['entrytype'] !=1) | (df['entrytype'] != 2)].all(1)

Answer 1

我提出了两种方法：

In [212]:

df = pd.DataFrame({'entrytype':[0,1,np.NaN, 'asdas',2]})
df
Out[212]:
  entrytype
0         0
1         1
2       NaN
3     asdas
4         2

如果值的范围如您所说的那样受限制，那么使用isin将是最快的方法：

In [216]:

df[df['entrytype'].isin([0,1,2])]
Out[216]:
  entrytype
0         0
1         1
4         2

否则我们可以转换为 str 然后调用.isdigit()

In [215]:

df[df['entrytype'].apply(lambda x: str(x).isdigit())]
Out[215]:
  entrytype
0         0
1         1
4         2

Answer 2

str("-1").isdigit()为False

str("-1").lstrip("-").isdigit()工作但不好。

---

df.loc[df['Feature'].str.match('^[+-]?\\d+$')]

对于您的问题，反向设置

df.loc[ ~(df['Feature'].str.match('^[+-]?\\d+$')) ]

Answer 3

我们有多种方法可以做到这一点，但我发现这种方法既简单又高效。

快速示例

#Using drop() to delete rows based on column value
df.drop(df[df['Fee'] >= 24000].index, inplace = True)

# Remove rows
df2 = df[df.Fee >= 24000]

# If you have space in column name
# Specify column name with in single quotes
df2 = df[df['column name']]

# Using loc
df2 = df.loc[df["Fee"] >= 24000 ]

# Delect rows based on multiple column value
df2 = df[ (df['Fee'] >= 22000) & (df['Discount'] == 2300)]

# Drop rows with None/NaN
df2 = df[df.Discount.notnull()]