python - 如何删除仅包含某些值的行？

Question

我有这样一个数据框

    column_name 
0   OnePlus phones never fail to meet my expectatiion.  
1   received earlier than expected for local set.   
2   \n  
3   good    
4   must buy!
5   \t
6     
7   awesome product!  
8     \n    

我想删除所有只包含 \n, \t, , \n 的行他们。

输出应该是这样的:

    column_name 
0   OnePlus phones never fail to meet my expectatiion.  
1   received earlier than expected for local set.   
2   good    
3   must buy!
4   awesome product!

我尝试了以下方法:

  df = df[df.column_name != '\n'].reset_index(drop=True)
  df = df[df.column_name != ''].reset_index(drop=True)
  df = df[df.column_name != ' '].reset_index(drop=True)
  df = df[df.column_name != '   '].reset_index(drop=True)
  df = df[df.column_name != ' \n '].reset_index(drop=True)

但是否有更优雅的方式或 pythonic 方式来执行此操作而不是重复代码？

Answer 1

您可以使用 Series.str.strip并只比较空字符串:

df1 = df[df.column_name.str.strip() != ''].reset_index(drop=True)

或者将空值转换为 bool 值:

df1 = df[df.column_name.str.strip().astype(bool)].reset_index(drop=True)

或者过滤词，对我来说是必要的 strip (也许在真实数据中 strip 应该被删除):

df1 = df[df.column_name.str.strip().str.contains('\W', na=False)].reset_index(drop=True)

如果需要删除缺失值且没有字符串值，请将这些值替换为 NaN，然后使用 DataFrame.dropna :

df.column_name = df.column_name.replace(r'^\s*$', np.nan, regex=True)
df1 = df.dropna(subset=['column_name']).reset_index(drop=True)