如何根据条目类型删除DataFrame指定列值为数字的行

报错原因 #

你原有代码中type(x['terms'])获取的是terms整列（即pandas.Series对象）的类型，并非列内单个元素的类型，type(x['terms']) is int的判断永远返回False，用布尔值直接索引DataFrame自然会触发KeyError。

修正方案 #

你需要逐行判断terms列元素的类型，筛选出非数字类型的行即可，推荐两种实现方式：

1. 布尔索引直接筛选保留合规行（更简洁） #

# 仅排除Python原生的int、float类型
x = x[x['terms'].apply(lambda val: not isinstance(val, (int, float)))]

如果需要同时排除numpy封装的数值类型，可以扩展判断范围：

import numpy as np
x = x[x['terms'].apply(lambda val: not isinstance(val, (int, float, np.number)))]

2. 按原有逻辑用drop方法删除不合规行 #

x = x.drop(x[x['terms'].apply(lambda val: isinstance(val, (int, float)))].index)

扩展适配场景 #

如果你的数据中存在字符串格式的数字（比如值为"123"的字符串）也需要删除，可以用如下自定义判断逻辑：

def is_numeric_type(val):
    # 先判断是否为原生/ numpy数值类型
    if isinstance(val, (int, float, np.number)):
        return True
    # 再判断是否为可转成数字的字符串
    if isinstance(val, str):
        try:
            float(val)
            return True
        except ValueError:
            return False
    return False

x = x[~x['terms'].apply(is_numeric_type)]

内容的提问来源于stack exchange，提问作者Clement Attlee