Entfernen nicht-numerischen Reihen in einer Spalte mit Pandas

Question

Es gibt einen Datenrahmen wie folgt aus, und es hat einen unreinen Spalte ‚id‘, die sholud es numerische Spalte

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

Gibt es eine prägnante Art und Weise zu entfernen die Zeilen, weil tt und de keine numerischen Werte sind

um den Datenrahmen sauber zu machen? Bei

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

Answer 1

könnten Sie verwenden Standard-Methode von Strings isnumeric und es auf jeden Wert in Ihrer id Spalte:

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 

Oder wenn Sie id als Index verwenden möchten Sie tun können:

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 

Answer 2

dass df ist Ihr Datenrahmen,

import numpy as np 
df[df['id'].apply(lambda x: isinstance(x, (int, np.int64)))] 

Was sie tut, ist jeder Wert in der id Spalte in die isinstance Funktion und Kontrollen vorbei, wenn er einen int ist. Dann gibt es ein boolesches Array zurück und gibt schließlich nur die Zeilen zurück, in denen True steht.

Wenn Sie auch für float Werte berücksichtigen müssen, eine weitere Option:

import numpy as np 
df[df['id'].apply(lambda x: type(x) in [int, np.int64, float, np.float64])] 

Beachten Sie, dass so oder so nicht Inplace ist, so dass Sie es zu Ihrem ursprünglichen df neu zuweisen müssen, oder eine neue erstellen :

df = df[df['id'].apply(lambda x: type(x) in [int, np.int64, float, np.float64])] 
# or 
new_df = df[df['id'].apply(lambda x: type(x) in [int, np.int64, float, np.float64])] 

Answer 3

Mit pd.to_numeric

In [1079]: df[pd.to_numeric(df['id'], errors='coerce').notnull()] 
Out[1079]: 
    id name 
0 1  A 
1 2  B 
2 3  C 
4 4  E 
5 5  F