python - 按混合数据类型过滤 DataFrame

Question

我有下表，我想删除所有在其 col1 值中包含“C”的行。

     col1  col2
0       1     3
1       2     4
2    C345     3
3  A56665     4
4   34553     3
5  353535     4

下面的代码似乎只考虑 col1 值为 str 的行。为什么会这样？

import pandas as pd

d = {'col1': [1, 2, "C345", "A56665", 34553, 353535], 'col2': [3, 4,3, 4,3, 4]}
df = pd.DataFrame(data=d)
df.col1.astype(str)
print(df.dtypes)

print(df.loc[df.col1.str.contains("C") == False])

结果

     col1  col2
3  A56665     4

期望的结果:

     col1  col2
0       1     3
1       2     4
3  A56665     4
4   34553     3
5  353535     4

我使用 Python 3.6 和 pandas 0.23.4，numpy 1.15.4

Answer 1

如果检查 str.contains 的输出得到数值的缺失值:

print(df.col1.str.contains("C"))
0      NaN
1      NaN
2     True
3    False
4      NaN
5      NaN
Name: col1, dtype: object

解决方案是使用参数 na 到 str.contains并通过 ~ 反转 bool 掩码:

print(df[~df.col1.str.contains("C", na=False)])
     col1  col2
0       1     3
1       2     4
3  A56665     4
4   34553     3
5  353535     4

详细信息:

print(df.col1.str.contains("C", na=False))
0    False
1    False
2     True
3    False
4    False
5    False
Name: col1, dtype: bool

print(~df.col1.str.contains("C", na=False))
0     True
1     True
2    False
3     True
4     True
5     True
Name: col1, dtype: bool