为熊猫数据强制删除有错误的行

Question

我有一个数据框，我需要将列转换为浮点数和整数，其中包含错误的行，即列中应该是浮点数或整数的值是字符串值。

如果我使用df.bad.astype(float)，我会收到一个错误，这是意料之中的。

如果我使用df.bad.astype(float, errors='coerce'), 或pd.to_numeric(df.bad, errors='coerce')，坏值被替换为np.NaN，也根据规范和合理。

还有errors='ignore'另一个选项可以忽略错误并单独保留错误值。

但实际上，我不想忽略错误，而是删除具有错误值的行。我怎样才能做到这一点？

我可以忽略错误并进行一些类型检查，但这不是理想的解决方案，并且可能有更惯用的方法来执行此操作。

例子

test = pd.DataFrame(["3", "4", "problem"], columns=["bad"])
test.bad.astype(float) ## ValueError: could not convert string to float: 'problem'

我想要这样的东西：

pd.to_numeric(df.bad, errors='drop')

这将返回只有 2 个好的行的数据帧。

Answer 1

既然坏值被替换为，现在np.NaN不只是简单地df.dropna()删除坏行吗？

编辑：由于您不需要删除初始 NaN，也许您可​​以df.fillna()在使用之前使用pd.to_numeric