使用熊猫删除一列中的非数字行

一尘不染

使用熊猫删除一列中的非数字行

python

有一个像下面这样的数据框，它有一个不干净的列“ id”，它应该是数字列

id, name
1,  A
2,  B
3,  C
tt, D
4,  E
5,  F
de, G

是否有一种简洁的方法删除行，因为tt和de不是数值

tt,D
de,G

使数据框干净？

id, name
1,  A
2,  B
3,  C
4,  E
5,  F

阅读 121

2020-12-20

共1个答案

一尘不染

您可以使用标准的字符串方法，isnumeric并将其应用于id列中的每个值：

import pandas as pd
from io import StringIO

data = """
id,name
1,A
2,B
3,C
tt,D
4,E
5,F
de,G
"""

df = pd.read_csv(StringIO(data))

In [55]: df
Out[55]: 
   id name
0   1    A
1   2    B
2   3    C
3  tt    D
4   4    E
5   5    F
6  de    G

In [56]: df[df.id.apply(lambda x: x.isnumeric())]
Out[56]: 
  id name
0  1    A
1  2    B
2  3    C
4  4    E
5  5    F

或者，如果您想id用作索引，则可以执行以下操作：

In [61]: df[df.id.apply(lambda x: x.isnumeric())].set_index('id')
Out[61]: 
   name
id     
1     A
2     B
3     C
4     E
5     F

编辑。添加时间

虽然情况下与pd.to_numeric未使用apply的方法，它比与施加慢几乎两倍np.isnumeric于str列。另外，我使用pandas添加了选项，str.isnumeric它键入的次数更少，但使用起来还是更快pd.to_numeric。但是pd.to_numeric更笼统，因为它可以与任何数据类型一起使用（不仅限于字符串）。

df_big = pd.concat([df]*10000)

In [3]: df_big = pd.concat([df]*10000)

In [4]: df_big.shape
Out[4]: (70000, 2)

In [5]: %timeit df_big[df_big.id.apply(lambda x: x.isnumeric())]
15.3 ms ± 2.02 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [6]: %timeit df_big[df_big.id.str.isnumeric()]
20.3 ms ± 171 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [7]: %timeit df_big[pd.to_numeric(df_big['id'], errors='coerce').notnull()]
29.9 ms ± 682 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

2020-12-20