python - 如何在也有字符串的列数据框中保留数字？

Question

我的数据框中有以下列:

Column1   Column2    Column3     Column4
a            1           2           a     
1            2           a           c
b            3           c           d
3            2           1           b
4            2           1           a
c            1           d           a

这些列的类型是object，我想将Column1、Column2和Column3转换为数字类型 int8，同时保留 Column4 作为类型对象。为此，我尝试使用 pd.to_numeric(data.Column1) (我计划在使用 Column2 和 Column3 后执行相同操作>) 但我收到以下错误:

ValueError:无法解析位置 0 处的字符串“a”

发生这种情况的原因很明显。我想知道是否有任何方法可以让我摆脱这 3 列中由字符串组成的行，所以在那之后，我会得到:

Column1    Column 2    Column 3   Column 4
3            2           1           b
4            2           1           a

有办法实现吗？或者还有其他方法可以让我这样做吗？

编辑:我已检查 Remove non-numeric rows in one column with pandas 中的问题，但这并没有解决我的问题，因为我的数据集中有更多的列，而不仅仅是两列，其中一列我不想将其转换为数字。

Answer 1

使用apply与 to_numeric将非数字替换为缺失值，然后按 dropna 删除 NaN 行最后转换为整数:

df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).dropna().astype(int)
print (df)
   Column1  Column2  Column3
3        3        2        1
4        4        2        1

详细信息:

print (df.apply(lambda x: pd.to_numeric(x,errors='coerce')))
   Column1  Column2  Column3
0      NaN      1.0      2.0
1      1.0      2.0      NaN
2      NaN      NaN      NaN
3      3.0      2.0      1.0
4      4.0      2.0      1.0
5      NaN      1.0      NaN

编辑:

另一个解决方案是检查 DataFrame.all 是否缺少值与 boolean indexing :

cols = ['Column1','Column2','Column3']
#define columns for check numeric
mask = df[cols].apply(lambda x: pd.to_numeric(x, errors='coerce')).notnull().all(axis=1)
#filtering
df = df[mask]
#converting to integers
df[cols] = df[cols].astype(int)
print (df)
   Column1  Column2  Column3 Column4
3        3        2        1       b
4        4        2        1       a

print (df.dtypes)
Column1     int32
Column2     int32
Column3     int32
Column4    object
dtype: object