只保留带日期的行

Question

我有一个从 excel 导入的非常混乱的数据框，其中只有一些行包含第一列中的日期（索引 0，没有标题）。如何删除所有不包含日期的行？

Answer 1

我会使用pd.to_datetime 和errors='coerce'，然后通过索引删除空日期：

例如：

>>> df
            x  y
0  2011-02-03  1
1           x  2
2           1  3
3  2012-03-03  4

>>> df[pd.to_datetime(df.x, errors='coerce').notnull()]
            x  y
0  2011-02-03  1
3  2012-03-03  4

注意：如果您的列中有不同的日期格式，这会导致一些问题

解释：

使用pd.to_datetime 和errors='coerce' 将查找类似日期的字符串，如果找不到则返回NaT（为空）：

>>> pd.to_datetime(df.x, errors='coerce')
0   2011-02-03
1          NaT
2          NaT
3   2012-03-03
Name: x, dtype: datetime64[ns]

因此，您可以使用notnull 获取所有非空值：

>>> pd.to_datetime(df.x, errors='coerce').notnull()
0     True
1    False
2    False
3     True
Name: x, dtype: bool

并将其用作原始数据帧的掩码