使用 .loc 查询非空值和仅字符串值答案

【问题标题】：using .loc to query not null values and string only values使用 .loc 查询非空值和仅字符串值
【发布时间】：2019-05-21 06:55:46
【问题描述】：

我正在尝试查询数据框以删除所有空值和数字（int、float）值。

我的数据框：

make_df = ["Hello", "World", "abcd", 12.4, np.nan,  "qwerty123"]
df = pd.DataFrame(make_df, columns = ["col1"])

我的代码：

df.loc[df["col1"].isna() == False]

到目前为止，我所能做的就是删除 DataFrame 中的空值，而不是数值。

请帮忙。

【问题讨论】：

标签： python python-3.x pandas numpy

【解决方案1】：

将to_numeric 与errors='coerce' 一起使用，测试未缺失值与测试未缺失值链接：

df1 = df[pd.to_numeric(df["col1"], errors='coerce').isna() & df["col1"].notna()]

如果需要区分数字和数值的字符串表示，也可以通过isinstance 进行测试：

df1 = df[~df['col1'].apply(lambda x: isinstance(x, (float, int)))]

print (df1)
        col1
0      Hello
1      World
2       abcd
5  qwerty123

检查解决方案的差异 - 10 是数字的字符串代表：

make_df = ["Hello", "World", "abcd", 12.4, np.nan,  "qwerty123", "10"]
df = pd.DataFrame(make_df, columns = ["col1"])
print (df)
        col1
0      Hello
1      World
2       abcd
3       12.4
4        NaN
5  qwerty123
6         10

df1 = df[pd.to_numeric(df["col1"], errors='coerce').isna() & df["col1"].notna()]
print (df1)
        col1
0      Hello
1      World
2       abcd
5  qwerty123

df2 = df[~df['col1'].apply(lambda x: isinstance(x, (float, int)))]
print (df2)
        col1
0      Hello
1      World
2       abcd
5  qwerty123
6         10

【讨论】：

哦..这就是为什么“isinstance”不起作用..我可以知道为什么数据框中有一个“~”吗？
@Maku - 用于反布尔掩码 - True, False 到 False, True 掩码
注意：type(np.nan) 是float，所以我认为这里不需要notna()。

【解决方案2】：

另一种方法是用0 填充NaN 并使用pd.to_numeric 过滤掉数字：

df.loc[pd.to_numeric(df.col1.fillna(0),errors='coerce').isna(),'col1']

0        Hello
1        World
2         abcd
5    qwerty123
Name: col1, dtype: object

【讨论】：