筛选Python数据帧中的字符串值

我正在使用Python熊猫

例如，我有一个数据帧，如下所示

index, name, acct_no, city
1, alex, 10011, huntington
2, rider, 100AB, charleston
3, daniel, A1009, bonn
4, rice, AAAA1, new york
5, ricardo, 12121, london

从这个数据集中，我只想得到 帐户编号列中没有任何字符串的记录

index, name, acct_no, city
1, alex, 10011, huntington
5, ricardo, 12121, london

因此，我想从上面的数据集中得到以下结果。在以下结果中，acct\u no列的值中没有字符串

index, name, acct_no, city
1, alex, 10011, huntington
5, ricardo, 12121, london

---

哪个代码会给我这样的结果？

可以检查

str.contains

df1=df[~df.acct_no.str.contains('[a-zA-Z]')]
df1
Out[119]: 
   index      name acct_no         city
0      1      alex   10011   huntington
4      5   ricardo   12121       london

或者使用

对数值进行过滤，并按
notna进行过滤

df[pd.to_numeric(df.acct_no,errors='coerce').notna()]

可以检查
str.contains

df1=df[~df.acct_no.str.contains('[a-zA-Z]')]
df1
Out[119]: 
   index      name acct_no         city
0      1      alex   10011   huntington
4      5   ricardo   12121       london

或者使用
对数值进行过滤，并按
notna进行过滤

df[pd.to_numeric(df.acct_no,errors='coerce').notna()]

另一种解决方案可能是使用pd.to_numeric，它尝试将值转换为数字。当它失败时，我们可以让它返回nan（通过指定errors='concurve'），然后删除所有nan值：

df.acct_no = pd.to_numeric(df.acct_no, errors='coerce')
df.dropna()

另一种解决方案可能是使用pd.to_numeric，它尝试将值转换为数字。当它失败时，我们可以让它返回nan（通过指定errors='concurve'），然后删除所有nan值：

df.acct_no = pd.to_numeric(df.acct_no, errors='coerce')
df.dropna()