Python 如何在同样有字符串的列数据框中只保留数字？

我的数据框中有以下列：

Column1   Column2    Column3     Column4
a            1           2           a     
1            2           a           c
b            3           c           d
3            2           1           b
4            2           1           a
c            1           d           a

这些列的类型是

object

，我想将

Column1

、

Column2

和

Column3

转换为数值类型

int8

，同时保留

Column4

作为类型对象。为此，我曾尝试使用

pd.To_numeric（data.Column1）

（我计划在使用

Column2

和

Column3

后也这样做），但我得到了以下错误：

ValueError:无法分析位置0处的字符串“a”

这就是为什么会发生的原因。我想知道是否有任何方法可以让我摆脱由这3列中的字符串组成的行，因此在此之后，我将得到：

Column1    Column 2    Column 3   Column 4
3            2           1           b
4            2           1           a

有没有办法做到这一点？还是有其他方法可以让我这么做

编辑：我已签入该问题，但它没有解决我的问题，因为我的数据集中的列多于两列，其中一列我不想将其转换为数字。

使用替换，将非数字值替换为缺少的值，然后按删除

NaN

s行，最后转换为

integer

s:

df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).dropna().astype(int)
print (df)
   Column1  Column2  Column3
3        3        2        1
4        4        2        1

详细信息：

print (df.apply(lambda x: pd.to_numeric(x,errors='coerce')))
   Column1  Column2  Column3
0      NaN      1.0      2.0
1      1.0      2.0      NaN
2      NaN      NaN      NaN
3      3.0      2.0      1.0
4      4.0      2.0      1.0
5      NaN      1.0      NaN

编辑：

另一种解决方案是使用以下方法检查是否缺少值：

---

使用

df[pd.to_numeric（df.Column1，errors='concurve'）.notnull（）]

谢谢！如果我的一列是由字符串组成的，而我不想将其转换为数字，我该如何处理它？我对我的问题进行了编辑，以证明它是正确的。我想我不能在这种情况下应用lambda，对吗？@Marisa-更好的方法是过滤列以进行列表检查，答案已编辑。Mask将所有条目作为False返回给我。我选中了

df.Column2[0]

，它返回了我的字符串类型（“1”）。可能是因为我有字符串，所以一切都是这样吗？@Marisa-可能需要

mask=df[cols].apply（lambda x:pd.to_numeric（x.str.strip（“”），errors='concurve'））.notnull（）.all（axis=1）

？仍然不起作用，数据集中的数字不在“”之间。我之前写它们只是为了强调它们是字符串这一事实。

cols = ['Column1','Column2','Column3']
#define columns for check numeric
mask = df[cols].apply(lambda x: pd.to_numeric(x, errors='coerce')).notnull().all(axis=1)
#filtering
df = df[mask]
#converting to integers
df[cols] = df[cols].astype(int)
print (df)
   Column1  Column2  Column3 Column4
3        3        2        1       b
4        4        2        1       a

print (df.dtypes)
Column1     int32
Column2     int32
Column3     int32
Column4    object
dtype: object