我有以下格式的CSV数据:
+-------------+-------------+-------+
| Location | Num of Reps | Sales |
+-------------+-------------+-------+
| 75894 | 3 | 12 |
| Burkbank | 2 | 19 |
| 75286 | 7 | 24 |
| Carson City | 4 | 13 |
| 27659 | 3 | 17 |
+-------------+-------------+-------+
“位置”列属于对象数据类型.我想这样做是删除非数字定位标签的所有行.因此,鉴于上表,我想要的输出将是:
+----------+-------------+-------+
| Location | Num of Reps | Sales |
+----------+-------------+-------+
| 75894 | 3 | 12 |
| 75286 | 7 | 24 |
| 27659 | 3 | 17 |
+----------+-------------+-------+
现在,我可以通过以下方式对解决方案进行硬编码:
list1 = ['Carson City ', 'Burbank'];
df = df[~df['Location'].isin(['list1'])]
灵感来自以下帖子:
How to drop rows from pandas data frame that contains a particular string in a particular column?
但是,我正在寻找的是一种通用解决方案,该解决方案适用于上面概述的任何类型的表.
解决方法:
或者你可以做
df[df['Location'].str.isnumeric()]
Location Num of Reps Sales 0 75894 3 12 2 75286 7 24 4 27659 3 17
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。