如何在Python中删除无法转换为int64类型的DataFrame行？

嘿，这个问题我之前也碰到过！当你的字符串列里混了非数字字符时，直接用astype('int64')肯定会报错。下面给你两个实用的办法来过滤掉那些没法转成int64的行，完美得到你想要的结果：

方法一：用pd.to_numeric强制转换并过滤NaN #

这个方法先把无法转换的值变成NaN，再删掉这些行，最后转成int类型：

import pandas as pd
test_df = pd.DataFrame({'foo':['1','2','92#']})

# 尝试转换，不能转的会被设为NaN
test_df['foo'] = pd.to_numeric(test_df['foo'], errors='coerce')
# 删除含NaN的行，再转成int64
result_df = test_df.dropna(subset=['foo']).astype({'foo': 'int64'})
print(result_df)

方法二：用正则表达式直接过滤纯数字行 #

如果你想先筛选出符合条件的行再转换，正则表达式是个好选择：

import pandas as pd
test_df = pd.DataFrame({'foo':['1','2','92#']})

# 只保留全是数字的行，再转类型
result_df = test_df[test_df['foo'].str.match(r'^\d+$')].astype({'foo': 'int64'})
print(result_df)

两种方法运行后都会得到你想要的结果：

foo
0    1
1    2

内容的提问来源于stack exchange，提问作者freefrog