如何计算 Pandas 数据框列中的浮点数或整数数？答案

【问题标题】：How can I count the number of floats or integers in a column of a Pandas dataframe?如何计算 Pandas 数据框列中的浮点数或整数数？
【发布时间】：2021-06-05 00:26:20
【问题描述】：

我有一个 Pandas 数据框，并且有一列是浮点类型。但是带有小数的数字对于此列没有意义。所以我想知道这个列中有多少个浮点数，然后我想删除我在这个列中有一个浮点数的整行。另一种方法是计算整数的数量，然后从总行数中减去。

示例数据集

我有什么：

A	B	C
0.5	0.1	2.0
0.8	0.9	3.5
0.6	0.2	1.0

我需要什么：

第一个计数浮点数或整数：

C 1（因为“C”列中只有一个浮点数或）或者：C 2（因为“C”列中有两个整数）

第二次删除带有浮点数的行：

A	B	C
0.5	0.1	2.0
0.6	0.2	1.0

我尝试以与处理缺失值相同的方式处理此问题，但这不起作用。

# Count Integers
print(Data.is_integer().sum())

# Delete rows where "C" is not an integer
Data=Data.drop(Data[Data.C.is_integer()=0].index)

两者都不起作用。顺便说一句，我在 Colab 中使用 Python

【问题讨论】：

标签： python pandas google-colaboratory data-cleaning

【解决方案1】：

您可以使用取模运算符删除 C 列中包含带小数部分的数字的所有行。

您可能还想将列“C”转换为整数。

import pandas as pd 

df = pd.DataFrame({'A':[0.5,0.8,0.6], 'B':[0.1, 0.9, 0.2], 'C':[2.0, 3.5, 1.0]})

df = df[df['C'] % 1 == 0]

df['C'] = df['C'].astype(int)

【讨论】：

【解决方案2】：

根据我的理解，您可以尝试使用 mod 并在 mod 为 0 的行中过滤：

df[df['C'].mod(1).eq(0)]

     A    B    C
0  0.5  0.1  2.0
2  0.6  0.2  1.0

【讨论】：

【解决方案3】：

您可以编写一个函数，在其中传递.is_integer() == True 的条件以返回数字，在其他条件下您可以将其输出为numpy.nan，稍后使用.dropna 函数删除所有nan 单位。

【讨论】：

【解决方案4】：

整数和浮点数是两种不同的数值数据。整数（通常称为 int）是没有小数点的数字。浮点数是一个浮点数，这意味着它是一个有小数位的数字。当需要更高的精度时使用浮点数。所以这种情况下你使用浮点数你不需要整数

【讨论】：

我的示例中的 C 列类似于“汽车数量”。 3.5 的内容对于本专栏没有意义，因为您不能拥有半辆汽车。所以这个数据点是错误的，对我来说毫无用处。我想找出这些错误并删除整行。我的列中的值实际上都是浮点数，但小数点都应该为 0。所以我尝试了 is_integer 方法。因为这个方法给出 2.0 的 True 和 3.5 的 False。