删除具有混合数据类型的值

这个问题至少有几种不同的解决方法。

loc+pd.to_数字

pd.DataFrame.loc 接受布尔序列,因此可以通过 pd.to_numeric 然后进入 loc 设定器。

注:无需指定 df['A'] != 'abc' 因为 mask 序列将这些值转换为 NaN .

mask = pd.to_numeric(df['A'], errors='coerce') < -1
df.loc[mask, 'A'] = np.nan

print(df)

     A    B    C
0    1  abc    1
1  abc    1  abc
2  NaN  abc  abc

尝试/排除

见 @Jan's solution . 如果您 期待 数值为数值,仅在边缘情况下寻找替代治疗。

您可以使用一个小函数将值转换为数字:

import pandas as pd, numpy as np

df = pd.DataFrame({
    'A': [1.0, 'abc', -1.11], 
    'B': ['abc', 1.0, 'abc'], 
    'C': [1.0, 'abc', 'abc']})

def change(value):
    try:
        v = float(value)
        if v < -1:
            value = np.nan
    except ValueError:
        pass
    return value

df['A'] = df['A'].apply(change)
print(df)

这个产量

     A    B    C
0    1  abc    1
1  abc    1  abc
2  NaN  abc  abc

您需要满足条件的行的索引。您可以将序列转换为数字,从而将字符串转换为 NaN ,然后查找您的条件并简单地删除行。请注意,我们不是用 南 回到数据框。

ser = pd.to_numeric(df['A'], errors='coerce')
df.loc[df['A']!='abc'].drop(list(ser[ser<=-1].index))

输出:

    A   B   C
0  1.0  abc 1.0