熊猫系列可能包含无效值:
a b c d e f g
1 "" "a3" np.nan "\n" "6" " "
df = pd.DataFrame([{"a":1, "b":"", "c":"a3", "d":np.nan, "e":"\n", "f":"6", "g":" "}])
row = df.iloc[0]
我想产生一个干净的Series,只保留包含数字值或非空非空格字母数字字符串的列:
b
应该被删除,因为它是一个空字符串;d
因为np.nan
;e
和g
,因为只有空格的字符串。预期结果:
a c f
1 "a3" "6"
我如何过滤包含数字或有效字母数字的列?
row.str.isalnum()
返回NaN
的a
,而不是我期望的True。row.astype(str).str.isalnum()
将d
的np.nan
更改为字符串"nan"
,随后将其视为有效的字符串。row.dropna()
当然只丢弃d
(np.nan
)。我看不到https://pandas.pydata.org/pandas-docs/stable/reference/series.html列出了太多其他可能性
作为一种解决方法,我可以循环使用items()检查类型和内容,并根据我想保留的值创建一个新的Series,但是这种方法效率低下(而且很丑陋:]
for index, value in row.items():
print (index, value, type(value))
# a 1 <class 'numpy.int64'>
# b <class 'str'>
# c a3 <class 'str'>
# d nan <class 'numpy.float64'>
# e
# <class 'str'>
# f 6 <class 'str'>
# g <class 'str'>
是否有任何布尔过滤器可以帮助我挑选出好的列?
用途:
row = row[row.astype(str).str.isalnum().fillna(False) & row.notna()]
print (row)
a 1
c a3
f 6
Name: 0, dtype: object
您可以使用正则表达式
row[row.notna() & row.astype(str).str.match('[a-zA-Z0-9]+')]