如何将 Pandas Dataframe 过滤为整数值？

我有一个包含字符串值的数据框列。我想过滤到具有整数的行。我可以执行以下操作来查找它是否是数字，但这也会返回浮点数。

result = pd.to_numeric(df['col1'], errors='coerce').notnull()

应该返回“1”

不应返回“1.1”。

如何过滤为整数（不包括漂浮）？

可以使用 .is_integer() 方法来检查数字是否为整数。 以下是的操作方法：

df[pd.to_numeric(df['col1'], errors='coerce').apply(lambda x: x.is_integer() if not pd.isna(x) else False)]

让我们来分解一下这段代码：

1. pd.to_numeric(df['col1'], errors='coerce') : 这部分与所做的相同，它会尝试将“col1”中的值转换为数字。如果无法转换某个值（例如，如果它是文本字符串），则将其设置为 NaN 。
2. .apply(lambda x: x.is_integer() if not pd.isna(x) else False) : 这部分对 to_numeric 生成的结果应用了一个函数。Lambda 函数检查值是否是 NaN 。如果不是 NaN ，它将使用 .is_integer() 方法检查它是否是整数。如果是整数，则返回 True ，否则返回 False 。如果是 NaN ，它也会返回 False 。
3. df[...] : 最后，我们将布尔索引的结果列表作为过滤器应用于原始数据框，只选择值为 True 的行，即转换为整数的行。

这将为提供一个仅包含“col1”中具有整数值的行的数据框。

以下是一个示例：

import pandas as pd

df = pd.DataFrame({'col1': ['1', '1.1', '2', 'abc', '3.0']})
filtered_df = df[pd.to_numeric(df['col1'], errors='coerce').apply(lambda x: x.is_integer() if not pd.isna(x) else False)]
print(filtered_df)

输出：

  col1
0     1
2     2

如所见，只有值为“1”和“2”的行被保留了下来，因为只有这些值是整数。