Python 使用.loc查询非空值和仅字符串值

我试图查询一个数据帧来删除所有的空值和数值（int，float）

我的数据帧：

make_df = ["Hello", "World", "abcd", 12.4, np.nan,  "qwerty123"]
df = pd.DataFrame(make_df, columns = ["col1"])

我的代码：

df.loc[df["col1"].isna() == False]

到目前为止，我所能做的只是删除数据帧中的空值，而不是数字值

请提供帮助。

与

errors='concurve'

一起使用，测试未缺失值与测试未缺失值链接：

df1 = df[pd.to_numeric(df["col1"], errors='coerce').isna() & df["col1"].notna()]

或者，如果需要区分数值和数值的字符串表示形式，可以通过

isinstance

进行测试：

df1 = df[~df['col1'].apply(lambda x: isinstance(x, (float, int)))]

---

检查解决方案中的差异-

10

是数字的字符串表示：

make_df = ["Hello", "World", "abcd", 12.4, np.nan,  "qwerty123", "10"]
df = pd.DataFrame(make_df, columns = ["col1"])
print (df)
        col1
0      Hello
1      World
2       abcd
3       12.4
4        NaN
5  qwerty123
6         10

df1 = df[pd.to_numeric(df["col1"], errors='coerce').isna() & df["col1"].notna()]
print (df1)
        col1
0      Hello
1      World
2       abcd
5  qwerty123

df2 = df[~df['col1'].apply(lambda x: isinstance(x, (float, int)))]
print (df2)
        col1
0      Hello
1      World
2       abcd
5  qwerty123
6         10

---

另一种方法是使用

0

填充

NaN

，并使用以下方法过滤掉数字：

---

---

哦..这就是为什么“isinstance”不起作用..我可以知道为什么数据帧中有一个“~”吗？@Maku-它是用于逆布尔掩码-

True，False

到

False，True

maskNote:

type（np.nan）

是

float

，所以我认为这里不需要

notna（）

。

make_df = ["Hello", "World", "abcd", 12.4, np.nan,  "qwerty123", "10"]
df = pd.DataFrame(make_df, columns = ["col1"])
print (df)
        col1
0      Hello
1      World
2       abcd
3       12.4
4        NaN
5  qwerty123
6         10

df1 = df[pd.to_numeric(df["col1"], errors='coerce').isna() & df["col1"].notna()]
print (df1)
        col1
0      Hello
1      World
2       abcd
5  qwerty123

df2 = df[~df['col1'].apply(lambda x: isinstance(x, (float, int)))]
print (df2)
        col1
0      Hello
1      World
2       abcd
5  qwerty123
6         10

df.loc[pd.to_numeric(df.col1.fillna(0),errors='coerce').isna(),'col1']

0        Hello
1        World
2         abcd
5    qwerty123
Name: col1, dtype: object