如何利用 pandas 根据数据类型进行筛选？

大家好，我是早起。

前两天，有一位读者在知识星球提出了一个关于 pandas 数据清洗的问题。

他的数据大致如下现在希望分别做如下清洗

“

1. A列中非字符行
2. B列中非日期行
3. C列中数值形式行(包括科学计数法的数值）
4. D列中非整数行
5. 删掉C列中大小在10%-90%范围之外的行

”

其实本质上都是「数据筛选」的问题，先来模拟下数据

如上图所示，基本上都是根据数据类型进行数据筛选，下面逐个解决。

取出所有非整数类型

让我们从第 4 题开始，取出 D 列全部非整数行，其实在 pandas 中可以使用.is_integer() 判断一个元素是否为整数。

这样我们就能结合 apply 函数找到全部整数行

再使用 ~ 取其补集即可得到答案

df[~df[['D']].apply(lambda x: x[0].is_integer(), axis=1)]

取出所有数值类型

第 3 题要求取出 C 列所有数值形式的行。

在 pandas 同样有直接判断的函数 .isdigit() 判断是否为数值。

所以同上可以结合 apply 函数轻松搞定～

df[df['C'].str.isdigit().isnull()].dropna()

取出非日期行

至于第 2 题，pandas 中虽有直接判断时间格式函数，但由于存在其他类型数据，该列为object，并不能直接判断。

所以只要我们将该列转换为时间格式（见习题 8-12）就会将不支持转换的格式修改为缺失值

这样在转换后删除确实值即可

取出非字符行

至于第 1 题，我们可以借助 Python 中 isinstance 函数判断一个变量是否为字符串格式

再同样借助 apply 函数即可找到全部字符串的行，然后使用 ～ 取其补集即可

自定义异常值范围

最后是一个看上去是异常值处理的问题，但本质上还是数据筛选。

直接计算该列的指定范围，并多条件筛选即可。

至此我们就成功利用 pandas 根据 数据类型 进行筛选值。其实这些题都在「pandas进阶修炼300题」中有类似的存在。