5

我有一个大的 .txt 格式的数据。我想删除一些行并将其余数据转换为浮点数。我想用'X'or删除行'XX'，其余的我应该转换为浮点数，类似的数字4;00.1应该转换为4.001文件看起来像这个示例：

0,1,10/09/2012,3:01,4;09.1,5,6,7,8,9,10,11
1,-0.581586,11/09/2012,-1:93,0;20.3,739705,,0.892921,5,,6,7
2,XX,10/09/2012,3:04,4;76.0,0.183095,-0.057214,-0.504856,NaN,0.183095,12
3,-0.256051,10/09/2012,9:65,1;54.9,483293,0.504967,0.074442,-1.716287,7,0.504967,0.504967
4,-0.728092,11/09/2012,0:78,1;53.4,232247,4.556,0.328062,1.382914,NaN,4.556,4
5,4,11/09/2012,NaN,NaN,6.0008,NaN,NaN,NaN,6.000800,6.000000,6.000800
6,X,11/09/2012,X,X,5,X,8,2,1,17.000000,33.000000
7,,11/09/2012,,,,,,6.000000,5.000000,2.000000,2.000000
8,4,11/09/2012,7:98,3;04.5,5,6,3,7.000000,3.000000,3.000000,2
9,6,11/09/2012,2:21,4;67.2,5,2,2,7,3,8.000000,4.000000

我将它读到 DataFrame 并选择行

from pandas import *
from csv import *
fileName = '~/data.txt'
colName = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']
df = DataFrame(read_csv(fileName, names=colName))
print df[df['b'].isin(['X','XX',None,'NaN'])].to_string()

最后一行的输出只给了我：

>>> print df[df['b'].isin(['X','XX',None,'NaN'])].to_string()
    b           c     d       e         f          g         h   i         j   k   l
a                                                                                   
2  XX  10/09/2012  3:04  4;76.0  0.183095  -0.057214 -0.504856 NaN  0.183095  12 NaN
6   X  11/09/2012     X       X  5.000000          X  8.000000   2  1.000000  17  33

不拿起第 7 行，我想通过所有 df 不仅是一列（原始文件非常大）。

目前我使用如下转换，但需要先删除不需要的行才能将其应用于所有 df.

convert1 = lambda x : x.replace('.', '')
convert2 = lambda x : float(x.replace(';', '.'))
newNumber = convert2(convert1(df['e'][0]))

选择行后，我想从 df 中删除它们，我尝试df.pop()但它仅适用于列而不适用于行。我尝试命名行但不走运。在这个特定的 .txt 文件中，我应该以行 [0,3,8,9] 中的新 df 结束，其中列“c”作为日期格式，“d”作为时间格式，其余作为浮点数。我想弄清楚很长一段时间，但不知道该搬到哪里，在熊猫中是否有可能（可能应该是）还是我需要更改为ndarray或其他什么？感谢您的意见

4

1 回答 1

6

您的原始过滤器的问题是它检查 'NaN' 而不是 'NaN' numpy.nan，这是默认情况下解析的空字符串。如果要过滤所有列，以便只获取没有元素为“X”或“XX”的行，请执行以下操作：

In [45]: names = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']

In [46]: df = pd.read_csv(StringIO(data), header=None, names=names)

In [47]: mask = df.applymap(lambda x: x in ['X', 'XX', None, np.nan])

In [48]: df[-mask.any(axis=1)]
Out[48]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 9
Data columns:
a    5  non-null values
b    5  non-null values
c    5  non-null values
d    5  non-null values
e    5  non-null values
f    5  non-null values
g    5  non-null values
h    5  non-null values
i    5  non-null values
j    4  non-null values
k    5  non-null values
l    5  non-null values
dtypes: float64(6), int64(1), object(5)
于 2012-09-23T01:33:09.643 回答