在 pandas 数据框中的任何列中删除带有“问号”值的行 [英] Drop rows with a 'question mark' value in any column in a pandas dataframe

问题描述

我想删除任何列中的所有行（或不带任何行）。我还想将元素更改为 float 类型。

I want to remove all rows (or take all rows without) a question mark symbol in any column. I also want to change the elements to float type.

输入：

X Y Z
0 1 ?
1 2 3
? ? 4
4 4 4
? 2 5

输出：

X Y Z
1 2 3
4 4 4

最好使用pandas数据框操作。

Preferably using pandas dataframe operations.

推荐答案

您可以先尝试找到字符串？列中，创建布尔掩码并最后过滤行-使用布尔索引。如果需要将列转换为 float ，请使用 astype ：

You can try first find string ? in columns, create boolean mask and last filter rows - use boolean indexing. If you need convert columns to float, use astype:

print ~((df['X'] == '?' )  (df['Y'] == '?' ) | (df['Z'] == '?' ))
0    False
1     True
2    False
3     True
4    False
dtype: bool


df1 = df[~((df['X'] == '?' ) | (df['Y'] == '?' ) | (df['Z'] == '?' ))].astype(float)
print df1
   X  Y  Z
1  1  2  3
3  4  4  4

print df1.dtypes
X    float64
Y    float64
Z    float64
dtype: object

或者您可以尝试：

df['X'] = pd.to_numeric(df['X'], errors='coerce')
df['Y'] = pd.to_numeric(df['Y'], errors='coerce')
df['Z'] = pd.to_numeric(df['Z'], errors='coerce')
print df
    X   Y   Z
0   0   1 NaN
1   1   2   3
2 NaN NaN   4
3   4   4   4
4 NaN   2   5
print ((df['X'].notnull() ) & (df['Y'].notnull() ) & (df['Z'].notnull() ))
0    False
1     True
2    False
3     True
4    False
dtype: bool

print df[ ((df['X'].notnull() ) & (df['Y'].notnull() ) & (df['Z'].notnull() )) ].astype(float)
   X  Y  Z
1  1  2  3
3  4  4  4

更好地使用：

df = df[(df != '?').all(axis=1)]

或：

df = df[~(df == '?').any(axis=1)]

这篇关于在 pandas 数据框中的任何列中删除带有“问号”值的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！