Pandas：刪除帶有整數和字符串的混合類型系列中的所有字符串組件

Question

這讓我發瘋。 當我搜索有關在數據框中刪除元素的提示時，沒有關於混合類型系列的內容。

說這是一個數據框：

import pandas as pd
df = pd.DataFrame(data={'col1': [1,2,3,4,'apple','apple'], 'col2': [3,4,5,6,7,8]})
a = df['col1']

那么'a'是一個有6個組件的混合類型系列。 如何從 a 中刪除所有“蘋果”？ 我需要系列 = 1,2,3,4。

Answer 1

要將整數保留為整數類型而不將它們更改為浮點數：

方法：過濾具有數值的行以保留（而不是將非數值轉換為NaN然后刪除NaN ） 。 不同之處在於我們不會有NaN中間結果，這將強制數值從整數變為浮點數。

a = pd.to_numeric(a[a.astype(str).str.isnumeric()])

結果：

生成的 dtype 仍為整數類型int64

print(a)

0    1
1    2
2    3
3    4
Name: col1, dtype: int64

如果您使用NaN生成中間結果，如下所示：

a = pd.to_numeric(a, errors='coerce').dropna()

生成的 dtype 被迫更改為float類型（而不是保留為整數）

0    1.0
1    2.0
2    3.0
3    4.0
Name: col1, dtype: float64

Answer 2

您可以按標簽刪除，其中標簽包含索引值列表。

df = pd.DataFrame(data={'col1': [1,2,3,4,'apple','apple'], 'col2': [3,4,5,6,7,8]})
df.reset_index(inplace=True)
print(df)

grouped=df.col1.str.isnumeric().eq(0)

labels=set([x for x in (grouped[grouped.values==True].index)])
if len(labels)>0:
    df = df.drop(labels=labels, axis=0)    

輸出：

   index   col1  col2
0      0      1     3
1      1      2     4
2      2      3     5
3      3      4     6
4      4  apple     7
5      5  apple     8

Answer 3

您可以使用 apply 方法並使用 lambda 標記字符串，並將它們替換為 NaN 之類的值以過濾掉它們。

import numpy as np

a = df['col1'].apply(lambda x: np.nan if isinstance(x, str) else x).dropna()

這段代碼的作用是：

• 它首先用 NaN 替換列中的所有字符串實例
• 然后丟棄 NaN

這也避免了錯誤地強制可能包含有效整數/浮點數的字符串元素，例如，如果列中有像“12”這樣的元素，假設這不是您想要的行為。

此外，如果您希望最終輸出為 int 類型，您可以像這樣映射它：

a = df['col1'].apply(lambda x: np.nan if isinstance(x, str) else x).dropna().map(int)