Convertit une chaîne de colonne en entier

J'ai un dataframe comme ci-dessous

    a   b
0   1   26190
1   5   python
2   5   580

Je veux faire de colonne b à accueillir uniquement des entiers, mais comme vous pouvez le voir python n'est pas int convertible, donc je veux supprimer la ligne à l'index 1. Mon attendus mise a être comme

    a   b
0   1   26190
1   5   580

Comment filtrer et supprimer à l'aide de pandas en python?

  • J'ai trouvé un travail ici stackoverflow.com/questions/15891038/.... Mais cela ne remplace les données de mauvaise qualité avec NaN
  • Utilisation: convertir en int alors dropna contre la colonne pour se débarrasser des lignes
InformationsquelleAutor billboard | 2016-09-26
  1. 4

    Vous pouvez utiliser to_numeric avec notnull et filtrer par boolean indexation:

    print (pd.to_numeric(df.b, errors='coerce'))
0    26190.0
1        NaN
2      580.0
Name: b, dtype: float64

print (pd.to_numeric(df.b, errors='coerce').notnull())
0     True
1    False
2     True
Name: b, dtype: bool

df = df[pd.to_numeric(df.b, errors='coerce').notnull()]
print (df)

   a      b
0  1  26190
2  5    580

    Une autre solution en commentaire de Boud - utilisation to_numeric avec dropna et dernière convertir int par astype:

    df.b = pd.to_numeric(df.b, errors='coerce')
df = df.dropna(subset=['b'])
df.b = df.b. astype(int)
print (df)
   a      b
0  1  26190
2  5    580

    Si besoin de vérifier toutes les lignes avec une mauvaise utilisation des données isnull - filtre toutes les données, où, après application de la fonction to_numeric obtenir NaN:

    print (pd.to_numeric(df.b, errors='coerce').isnull())
0    False
1     True
2    False
Name: b, dtype: bool

print (df[pd.to_numeric(df.b, errors='coerce').isnull()])
   a       b
1  5  python
    InformationsquelleAutor jezrael
  2. 0

    Cela devrait fonctionner

    import pandas as pd
import numpy as np

df = pd.DataFrame({'a' : [1, 5, 5],
                   'b' : [26190, 'python', 580]})
df
   a       b
0  1   26190
1  5  python
2  5     580

df['b'] = np.where(df.b.str.contains('[a-z]') == True, np.NaN, df.b)
df
   a      b
0  1  26190
1  5    NaN
2  5    580

df = df.dropna()
df
   a      b
0  1  26190
2  5    580

    Vous utiliser les regex pour identifier des chaînes, puis le convertir en np.NaN à l'aide de np.where puis déposez-les à partir de la df avec df.dropna().

    InformationsquelleAutor conor