筛选dataframe中的数值列

最新推荐文章于 2024-07-02 00:50:11 发布
最新推荐文章于 2024-07-02 00:50:11 发布
阅读量423 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/terrigras/article/details/118694240
版权

数据如下：

日期	站名	白天	夜晚	T. med.	T. max	T. min	降水量	气压	风向	风速	积雪深度
01/01/2021	MOSKVA VDNH	小雪	阴	-0.3	0.6	-1.5	3	1017.9	152º(SE)	6.8	11
02/01/2021	MOSKVA VDNH	小雪	多云	-0.2	0.8	-0.8	5	1018.3	180º(S)	3.1	12
03/01/2021	MOSKVA VDNH	小雪	雾	0.3	1	-0.6	0.5	1028.1	232º(SW)	1.8	16
04/01/2021	MOSKVA VDNH	小雪	雾	-0.7	-0.4	-1.5	2.2	1029	163º(S)	4.5	15
05/01/2021	MOSKVA VDNH	雾	雾	-1.7	-0.6	-2.2	0.2	1029.2	127º(SE)	2.7	18
06/01/2021	MOSKVA VDNH	雾	小雪	-3.5	-2.9	-3.9	4.5	1025	104º(E)	1.8	17
07/01/2021	MOSKVA VDNH	小雪	雾	-4.9	-4.4	-5.5	0.5	1021	119º(SE)	0.5	21
08/01/2021	MOSKVA VDNH	小雪	小雪	-4.4	-2.7	-5.4	0.5	1014.8	52º(NE)	2.1	21
09/01/2021	MOSKVA VDNH	阴	小雪	-6	-5.8	-6.2	1.9	1014.2	17º(N)	5.4	21
10/01/2021	MOSKVA VDNH	阴	雾	-8.2	-7.5	-9.1	0.4	1016.6	336º(NW)	5.4	22
11/01/2021	MOSKVA VDNH	雾	雾	-8.5	-7.3	-9.5	0.7	1020.9	340º(N)	0.9	21
12/01/2021	MOSKVA VDNH	雾	阴	-10.3	-9	-11.2	0.5	1021.9	119º(SE)	1.4	21
13/01/2021	MOSKVA VDNH	阴	中雪	-12	-10.2	-12.6	10	1020.7	91º(E)	4	24
14/01/2021	MOSKVA VDNH	小雪	雾	-13.8	-13.6	-14.3	1	1008.7	44º(NE)	5.4	34
15/01/2021	MOSKVA VDNH	雾	雾	-15.3	-13.3	-18.6	1	1011.5	17º(N)	2.7	34
16/01/2021	MOSKVA VDNH	中雪	小雪	-16.1	-15.8	-16.2	10	1007.7	333º(NW)	6.3	33
17/01/2021	MOSKVA VDNH	雾	雾	-19.7	-17.6	-21.2	0	1015.9	341º(N)	5	40
18/01/2021	MOSKVA VDNH	雾	阴	-18.6	-14.9	-23.6	0	1020.3	20º(N)	0.5	38
19/01/2021	MOSKVA VDNH	阴	雾	-13.6	-8.9	-17.5	0.6	1017.9	-	0	36
20/01/2021	MOSKVA VDNH	多云	多云	-8.4	-5.5	-12.2	0.5	1019.1	270º(W)	0.9	35
21/01/2021	MOSKVA VDNH	小雪	雾	-10.7	-7	-13.8	5	1015.5	-	0	34
22/01/2021	MOSKVA VDNH	雾	阴	-4.1	0.2	-9.4	0	1011.6	155º(SE)	0.9	37
23/01/2021	MOSKVA VDNH	阴	雾	0.8	1.9	-1.4	0	1010.7	176º(S)	1.8	36
24/01/2021	MOSKVA VDNH	阴	阴	1.2	3.3	0.2	0.5	1013	149º(SE)	4.5	33
25/01/2021	MOSKVA VDNH	阴	阴	2	2.8	0.9	0	1012.9	158º(S)	8.1	28
26/01/2021	MOSKVA VDNH	阴	小雪	1	2.3	-0.4	0.5	1008.4	142º(SE)	8.6	24
27/01/2021	MOSKVA VDNH	阴	阴	1.7	2.1	1.3	0.4	1005.1	195º(S)	6.8	22
28/01/2021	MOSKVA VDNH	小雪	小雪	0.2	0.9	-1.3	7	1004.9	136º(SE)	3.2	22
29/01/2021	MOSKVA VDNH	阴	阴	0.1	1.4	-0.5	2.7	995.5	149º(SE)	7.2	26
30/01/2021	MOSKVA VDNH	阴	小雪	-2.6	-1.6	-3.2	4	994.5	185º(S)	5	27
31/01/2021	MOSKVA VDNH	小雪	阴	-3.7	-2.7	-4.5	1.2	995.2	259º(W)	4	30

使用pd.to_numeric()把数字字符串换为数值,其他均转换为nan，判断各列是否含nan

num = df.apply(lambda s: pd.to_numeric(s, errors='coerce').notnull().all()).to_dict()
print(num)

{'站名': False, '白天': False, '夜晚': False, 'T. med.': True, 'T. max': True, 'T. min': True, '降水量': True, '气压': True, '风向': False, '风速': True, '积雪深度': True}

选出true的列

for x,y in num.items():
    if y:
        col.append(x)
print(df[col])
            T. med.  T. max  T. min   降水量      气压   风速  积雪深度  T. med.  T. max  \
日期                                                                              
01/01/2021     -0.3     0.6    -1.5   3.0  1017.9  6.8    11     -0.3     0.6   
02/01/2021     -0.2     0.8    -0.8   5.0  1018.3  3.1    12     -0.2     0.8   
03/01/2021      0.3     1.0    -0.6   0.5  1028.1  1.8    16      0.3     1.0   
04/01/2021     -0.7    -0.4    -1.5   2.2  1029.0  4.5    15     -0.7    -0.4   
05/01/2021     -1.7    -0.6    -2.2   0.2  1029.2  2.7    18     -1.7    -0.6   
06/01/2021     -3.5    -2.9    -3.9   4.5  1025.0  1.8    17     -3.5    -2.9   
07/01/2021     -4.9    -4.4    -5.5   0.5  1021.0  0.5    21     -4.9    -4.4   
08/01/2021     -4.4    -2.7    -5.4   0.5  1014.8  2.1    21     -4.4    -2.7   
09/01/2021     -6.0    -5.8    -6.2   1.9  1014.2  5.4    21     -6.0    -5.8   
10/01/2021     -8.2    -7.5    -9.1   0.4  1016.6  5.4    22     -8.2    -7.5   
11/01/2021     -8.5    -7.3    -9.5   0.7  1020.9  0.9    21     -8.5    -7.3   
12/01/2021    -10.3    -9.0   -11.2   0.5  1021.9  1.4    21    -10.3    -9.0   
13/01/2021    -12.0   -10.2   -12.6  10.0  1020.7  4.0    24    -12.0   -10.2   
14/01/2021    -13.8   -13.6   -14.3   1.0  1008.7  5.4    34    -13.8   -13.6   
15/01/2021    -15.3   -13.3   -18.6   1.0  1011.5  2.7    34    -15.3   -13.3   
16/01/2021    -16.1   -15.8   -16.2  10.0  1007.7  6.3    33    -16.1   -15.8   
17/01/2021    -19.7   -17.6   -21.2   0.0  1015.9  5.0    40    -19.7   -17.6   
18/01/2021    -18.6   -14.9   -23.6   0.0  1020.3  0.5    38    -18.6   -14.9   
19/01/2021    -13.6    -8.9   -17.5   0.6  1017.9  0.0    36    -13.6    -8.9   
20/01/2021     -8.4    -5.5   -12.2   0.5  1019.1  0.9    35     -8.4    -5.5   
21/01/2021    -10.7    -7.0   -13.8   5.0  1015.5  0.0    34    -10.7    -7.0   
22/01/2021     -4.1     0.2    -9.4   0.0  1011.6  0.9    37     -4.1     0.2   
23/01/2021      0.8     1.9    -1.4   0.0  1010.7  1.8    36      0.8     1.9   
24/01/2021      1.2     3.3     0.2   0.5  1013.0  4.5    33      1.2     3.3   
25/01/2021      2.0     2.8     0.9   0.0  1012.9  8.1    28      2.0     2.8   
26/01/2021      1.0     2.3    -0.4   0.5  1008.4  8.6    24      1.0     2.3   
27/01/2021      1.7     2.1     1.3   0.4  1005.1  6.8    22      1.7     2.1   
28/01/2021      0.2     0.9    -1.3   7.0  1004.9  3.2    22      0.2     0.9   
29/01/2021      0.1     1.4    -0.5   2.7   995.5  7.2    26      0.1     1.4   
30/01/2021     -2.6    -1.6    -3.2   4.0   994.5  5.0    27     -2.6    -1.6   
31/01/2021     -3.7    -2.7    -4.5   1.2   995.2  4.0    30     -3.7    -2.7   

            T. min   降水量      气压   风速  积雪深度  
日期                                           
01/01/2021    -1.5   3.0  1017.9  6.8    11  
02/01/2021    -0.8   5.0  1018.3  3.1    12  
03/01/2021    -0.6   0.5  1028.1  1.8    16  
04/01/2021    -1.5   2.2  1029.0  4.5    15  
05/01/2021    -2.2   0.2  1029.2  2.7    18  
06/01/2021    -3.9   4.5  1025.0  1.8    17  
07/01/2021    -5.5   0.5  1021.0  0.5    21  
08/01/2021    -5.4   0.5  1014.8  2.1    21  
09/01/2021    -6.2   1.9  1014.2  5.4    21  
10/01/2021    -9.1   0.4  1016.6  5.4    22  
11/01/2021    -9.5   0.7  1020.9  0.9    21  
12/01/2021   -11.2   0.5  1021.9  1.4    21  
13/01/2021   -12.6  10.0  1020.7  4.0    24  
14/01/2021   -14.3   1.0  1008.7  5.4    34  
15/01/2021   -18.6   1.0  1011.5  2.7    34  
16/01/2021   -16.2  10.0  1007.7  6.3    33  
17/01/2021   -21.2   0.0  1015.9  5.0    40  
18/01/2021   -23.6   0.0  1020.3  0.5    38  
19/01/2021   -17.5   0.6  1017.9  0.0    36  
20/01/2021   -12.2   0.5  1019.1  0.9    35  
21/01/2021   -13.8   5.0  1015.5  0.0    34  
22/01/2021    -9.4   0.0  1011.6  0.9    37  
23/01/2021    -1.4   0.0  1010.7  1.8    36  
24/01/2021     0.2   0.5  1013.0  4.5    33  
25/01/2021     0.9   0.0  1012.9  8.1    28  
26/01/2021    -0.4   0.5  1008.4  8.6    24  
27/01/2021     1.3   0.4  1005.1  6.8    22  
28/01/2021    -1.3   7.0  1004.9  3.2    22  
29/01/2021    -0.5   2.7   995.5  7.2    26  
30/01/2021    -3.2   4.0   994.5  5.0    27  
31/01/2021    -4.5   1.2   995.2  4.0    30
信风之吻
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas获取dataframe数据列的数据类型、获取dataframe每类数据类型数据列的个数、使用select_dtypes函数、include参数以及exclude参数按照数据类型筛选数据
data+scenario+science+insight
12-04 676
pandas获取dataframe数据列的数据类型、获取dataframe每类数据类型数据列的个数、使用select_dtypes函数、include参数以及exclude参数按照数据类型筛选数据
按照某特征值筛选dataframe中的列
C10997的博客
11-08 553
#本文主要争对需要处理的数据列名命名比较有规律，或者你需要提取的列的名字能够总结出某一特性 这也是我处理数据遇到的坑，搜索了半天都没有找到语句易读的处理办法。。。后来自己慢慢翻函数找的。。。 #主要语句 filter（） filter里面主要填两个参数：①函数 ②对象 最后会根据函数判断对象，返回布尔值（True or False），最终返回True的值。 #处理思路 对象——明显是dataframe含有的所有列 函数——你总结出来的需要提取的列的特性，比如列名长度、都含有某文本等 #例子 从原数据看，明
筛选出dataframe中全为数字的列的值
dideng8675的博客
07-17 1547
In [1]: import pandas as pd In [2]: import numpy as np In [3]: students = [ ('jack', 'Apples' , 34) , ...: ('Riti', 'Mangos' , 31) , ...: ('Aadi', 'Grapes' , 3...
dataframe将字符串列按照类别映射为数字列
KI的博客
11-28 1480
dataframe将字符串列按照类别映射为数字列
DataFrame中查看列的数据类型以及数据类型转换
qq_24222157的博客
05-04 1万+
Q：合并列的过程中发现了合并失败的情况，原因是列的数据类型不一样 1、假如读了一个csv表，读成了DataFrame 2、查看列的数据类型 df.dtypes#查看所有列的数据类型 df['A'].dtypes#查看列名为"A"那列的数据类型 3、把列名为"A"的数据类型转换成int类型 df['A']= df['A'].astype('int') 注意：astype不是原地操作，需要重新赋值. 4、还有一种把字符串格式的数转化为数字类型 df['A']= pd.to_numeri
Python: 筛选 DataFrame 某列为数字的所有行
星海浮生
06-17 3511
（如题）
Pandas教程：教你DataFrame数据的条件筛选——精选篇
qq_41314882的博客
12-08 6276
pandas是一个Python数据分析库，它提供了许多方便的函数和方法帮助我们处理数据。此外，pandas还可以与其他Python库集成使用，如NumPy、Matplotlib等，以进行更复杂的数据处理和可视化。pandas的主要功能包括
Pandas DataFrame筛选包含字符串的列的3种方法
devid008的博客
05-10 4547
Pandas是Python中强大的数据分析库，如果你想高效处理数据，熟练掌握DataFrame的用法是必不可少的。本文介绍3种筛选DataFrame中包含特定字符串的列的方法。
dataframe中类别列转数值列
sunmingyang1987的博客
01-20 542
首先，查看该列都有哪几类： encoded_list=['状态','到达状态','生产制度','运行制度','截断阀状态'] status_list=[] for i in encoded_list: status_list.append(Counter(df_i[i])) status_list 然后，提供两种方法将类别列转为数字 1、方法一：map()方法 status_OC_mapping = { '关': 0, '开': 1
pd.DataFrame统计各列数值多少的实例
09-18
本篇文章将详细探讨如何使用`pd.DataFrame`对象来统计各列数值的特性，包括数量、范围、集中趋势和分散程度等统计指标。 首先，`DataFrame`对象提供了多种内置方法来获取列的统计信息。例如： 1. `.count()`：这个...
根据DataFrame某一列的值来选择具体的某一行方法
01-20
原始数据的DF： 此时，我要选择列名isInfected为“手足口病”的样本行： ... 您可能感兴趣的文章:pandas系列之DataFrame 行列数据筛选实例pandas.DataFrame删除/选取含有特定数值的行或列实例python中p
Series和DataFrame使用简单入门
09-18
我们可以指定列顺序`DataFrame(data, columns= ['state', 'pop', 'year'])`或行索引`DataFrame(data, index= ['a','b','c','d'])`。 DataFrame的操作也非常灵活，我们可以通过列名获取Series，如`frame['year']`，...
pandas DataFrame运算的实现
09-16
`add()`方法允许我们向DataFrame的某一列（或其他列）添加一个数值或另一个DataFrame。例如，如果我们有一个DataFrame包含股票的开盘价('open')，我们可以使用`add()`方法加上1来增加所有开盘价： ```python data['...
pandas DataFrame 行列索引及值的获取的方法
09-19
5. **按条件筛选数据**：可以使用布尔索引来选取满足特定条件的行，如`ridership_df[ridership_df['R003'] > 1000]`，这将返回一个新的DataFrame，包含`R003`列值大于1000的所有行。 6. **选择多列数据**：使用列表...
Python Pandas 列数据筛选方法汇总
热门推荐
AItrust的博客
05-20 4万+
Pandas 列数据筛选方法汇总数据准备：一、筛选得到指定的列1.1 根据 label 选择特定的几列1.2 选择单列的两种方式1.3 通过正则表达式选择列二、同时对 行 和 列 进行筛选2.1 通过切片 df.loc[ : , : ]2.2 通过选择 序号 选择列 df.iloc[ : , : ]2.3 对 特定 列的数据进行逻辑筛选 数据准备： import pandas as pd # 假设有 5 个人，分别参加了 4 门课程，获得了对应的分数 data = {'name' : pd.Series(
python - pandas 之 dataframe - 行列筛选/遍历/新增/删除/连接/合并/修改/跨表update
开码河粉
05-28 1万+
1.dataframe遍历或迭代 list1=[['B1','2019-12-01',3], ['B2','2019-12-01',8],['A1','2019-12-02',4],['A2','2019-12-09',5]] data=pd.DataFrame(list1,columns=('asin','date','qty')) (1)按行遍历iterrows() iterrows() 按行遍历，返回(index, Series)对，通过row[name]访问元素 ...
条件筛选dataframe的列
BLACKSPACEs的博客
11-23 78
是这样的，我想用python的dataframe筛选出所有倒数第四行的值不为0的列，也就是条件筛选出满足条件的列。是选取数据框倒数第四行（即倒数第五行，Python中负数表示倒数的行）的所有列。是根据第一行代码中筛选出的非零列生成一个新的数据框。newData就是筛选后的dataframe。是筛选出倒数第五行所有列中值不为0的列。
dataframe数据结构之数据的筛选
weixin_45157436的博客
01-06 5132
dataframe的数据筛选
10.javaSE基础_JDBC编译程序(Driver+Statement+Connection+mysql数据库连接)
最新发布
m0_61086522的博客
07-02 1199
JDBC是的缩写。它是Sun的Javasoft公司制定的Java数据库连接技术，是一套标准接口java.sql包中提供了JDBC API,通过它连接到各种数据库系统，编写访问数据库的程序。JDBC API不能直接访问数据库，它依赖于数据库厂商提供的JDBC Driver（JDBC驱动程序）
dataframe筛选指定内容列的数值大于1
06-08
# 筛选列A中数值大于1的行 df[df['A'] > 1] # Output: # A B C # 2 2 3 4 # 筛选列B中数值大于1的行 df[df['B'] > 1] # Output: # A B C # 1 1 2 3 # 2 2 3 4 # 筛选列C中数值大于1的行 df[df['C'] > 1] # Output:...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值