Pandas 系列仅对整数进行布尔运算

Question

我使用 Pandas 将一系列 Excel 文件解析为 df。 在给定的列中，我试图让最大值的索引低于某个值 (7000)。

df[columnname][df[columnname]._get_numeric_data() < 7000].idxmax()

Excel 文件做得不太好，但我无法修改它们。围绕数据名声有很多元数据（文本、日期等）。当我解析文件时，数据框下方列出的日期也会出现在列中。

脚本因此引发以下错误：

TypeError: can't compare datetime.datetime to int

我可以通过任何方式从操作中排除日期类型以仅考虑值。

注意。日期行因文件而异，有些文件没有这些行。

Answer 1

感谢您的帮助。 JonhE，你的方法不起作用，因为面具：

mask = df['x'].map( lambda x: type(x) != str ) & (df['x'] < 8)

不断提出同样的错误：

TypeError: can't compare datetime.datetime to int

也许 .map() 试图同时应用掩码和操作：

(df['x'] < 8)

同时，后者引发错误。

尽管如此，我还是通过集成掩码找到了解决方案：

mask1 = df[columnname].map(lambda x: type(x) == int)

到第二个面具：

mask2 = df[columnname][mask] < maxval

然后我在操作中使用了第二个掩码：

maxsearch = df[columnname][mask2[mask2].index].idxmax()

为此我不得不依靠 .index 来避免引发关键错误。

最终解决方案：

return df[columnname][(df[columnname][df[columnname].map(lambda x: type(x) == int)] < maxval)[df[columnname][df[columnname].map(lambda x: type(x) == int)] < maxval].index].idxmax()

当然有一个简单的方法。