如何删除Pandas DataFrame列中的浮点类型值？

问题分析 #

你之前的两种方法没达到预期的原因：

• astype(str)只是将所有类型强制转为字符串，比如浮点值1.0会变成字符串"1.0"，导出CSV后仍会显示该内容，并非删除浮点值。
• 原mask写法有误：Python中逻辑或需用or而非位运算符|，且mask是将符合条件的元素替换为NaN，若CSV导出时NaN被渲染为其他内容，也会导致看起来还有浮点值残留。

针对性解决方案 #

根据需求选择以下任意一种：

1. 删除该列值为浮点类型的整行

如果需要直接移除包含浮点值的行：

# 筛选出store_and_fwd_flag列不是浮点类型的行
df = df[~df['store_and_fwd_flag'].apply(lambda x: isinstance(x, float))]

2. 将浮点类型值替换为空字符串（保留行）

如果只想清除浮点值但保留行，可将浮点值替换为空字符串：

df['store_and_fwd_flag'] = df['store_and_fwd_flag'].apply(
    lambda x: x if not isinstance(x, float) else ''
)

补充：同时过滤int和float类型

如果需要同时删除该列中int和float类型的值（或对应的行），只需调整判断条件：

# 删除包含int/float值的行
df = df[~df['store_and_fwd_flag'].apply(lambda x: isinstance(x, (int, float)))]

# 替换int/float值为空字符串
df['store_and_fwd_flag'] = df['store_and_fwd_flag'].apply(
    lambda x: x if not isinstance(x, (int, float)) else ''
)

验证方法 #

处理后可以用以下代码确认类型分布：

print(df['store_and_fwd_flag'].apply(type).value_counts())

内容的提问来源于stack exchange，提问作者DeBe