Python 行过滤，这样我们只保留有限的条目

我发现在我的数据框中保留有限的条目

公式是：

df[df == np.Inf] = np.NaN
df.dropna()

但是，当我尝试时：

In: df[df == np.Inf] = np.NaN

## -- End pasted text --
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-4-88eed8630e79> in <module>()
----> 1 df[df == np.Inf] = np.NaN

/Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/core/frame.pyc in __setitem__(self, key, value)

/Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/core/frame.pyc in _setitem_frame(self, key, value)

TypeError: Cannot do boolean setting on mixed-type frame

In:df[df==np.Inf]=np.NaN
##--结束粘贴的文本--
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
---->1 df[df==np.Inf]=np.NaN
/Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/core/frame.pyc in____setitem__;（self、key、value）
/Users/josh/anaconda/envs/py27/lib/python2.7/site-packages/pandas/core/frame.pyc in_setitem_frame（self、key、value）
TypeError:无法在混合类型框架上进行布尔设置

有没有更好的方法来过滤行，以便我们在特定列中只保留有限的条目？

使用

np.isinf（）

因此，

x.dropna（）

给了我：

   0  1  2
2  6  7  8

要仅查看列的子集，请使用

子集

kwarg（始终获取列表）：

您也可以采纳DSM的建议，直接为数据帧编制索引：

x[~np.isinf（x）.any（axis=1）]

使用

np.isinf（）

因此，
x.dropna（）
给了我：

   0  1  2
2  6  7  8

要仅查看列的子集，请使用
子集
kwarg（始终获取列表）：

您也可以采纳DSM的建议，直接为数据帧编制索引：
x[~np.isinf（x）.any（axis=1）]
如建议，您可以使用
模式。使用inf\u As\u null
：

In [14]: df = DataFrame({'a': randint(3,size=10)})

In [15]: df['b'] = tm.choice([2,3,nan,inf,-inf], size=len(df))

In [16]: df
Out[16]:
   a       b
0  1     inf
1  2    -inf
2  0  3.0000
3  1    -inf
4  2     NaN
5  1  3.0000
6  1     inf
7  0  2.0000
8  2    -inf
9  2     inf

In [17]: with pd.option_context('mode.use_inf_as_null', True):
   ....:     res = df.dropna()
   ....:

In [18]: res
Out[18]:
   a  b
2  0  3
5  1  3
7  0  2

按照建议，您可以使用
模式。将\u inf\u用作\u null
：

In [14]: df = DataFrame({'a': randint(3,size=10)})

In [15]: df['b'] = tm.choice([2,3,nan,inf,-inf], size=len(df))

In [16]: df
Out[16]:
   a       b
0  1     inf
1  2    -inf
2  0  3.0000
3  1    -inf
4  2     NaN
5  1  3.0000
6  1     inf
7  0  2.0000
8  2    -inf
9  2     inf

In [17]: with pd.option_context('mode.use_inf_as_null', True):
   ....:     res = df.dropna()
   ....:

In [18]: res
Out[18]:
   a  b
2  0  3
5  1  3
7  0  2

您也可以使用
isinf
而不使用它来替换值，例如
x[~np.isinf（x）.any（axis=1）]
.Hmm@DSM I get:
TypeError:ufunc'isinf'不支持输入类型
向我展示一个示例数据帧和代码来重现它，我们应该能够得到平方使用。（@user815423426）您也可以使用
isinf
而不使用它来替换值，例如
x[~np.isinf（x）.any（axis=1）]
.Hmm@DSM I get:
TypeError:ufunc'isinf'不支持输入类型
向我展示一个示例数据帧和代码来重现它，我们应该能够得到平方使用。（@user815423426）