Python 检测数据帧的所有列中的值是否为数字，并将其删除

我有一个这样的数据帧

   col  col2
0   1     1
1   B     1
2   3     D
3   4     1
4   A     2
5   2     C
6   3     2

   col  col2
0    1     1
1   -1     1
2    3    -1
3    4     1
4   -1     2
5    2    -1
6    3     2

我希望删除所有字符并在所有列上只保留值，如果是字符，则指定-1。像这样的

   col  col2
0   1     1
1   B     1
2   3     D
3   4     1
4   A     2
5   2     C
6   3     2

   col  col2
0    1     1
1   -1     1
2    3    -1
3    4     1
4   -1     2
5    2    -1
6    3     2

我如何使用python做到这一点，提前谢谢你

我们可以

stack（）

df，然后使用

pd.to_numeric

with

errors='concurve'

将无效的数字设置为

NaN

，然后

使用-1填充na

，然后取消堆栈（），返回原始形状，最后使用

astype（int）

如有必要，可转换为整数：

pd.to_numeric(df.stack(),errors='coerce').fillna(-1).unstack().astype(int)

---

IIUC

或者类似的

df.mask(df.applymap(ord)>64,-1)
Out[479]: 
  col col2
0   1    1
1  -1    1
2   3   -1
3   4    1
4  -1    2
5   2   -1
6   3    2

---

您可以使用

df.replace

函数替换数据帧中与

-1

字符对应的值

试试这个：

df = df.replace(r"[A-Za-z]", -1, regex=True)
print(df)

 col1 col2
0   1   1
1  -1   1
2   3  -1
3   4   1
4  -1   2
5   2  -1
6   3   2

输出：

df = df.replace(r"[A-Za-z]", -1, regex=True)
print(df)

 col1 col2
0   1   1
1  -1   1
2   3  -1
3   4   1
4  -1   2
5   2  -1
6   3   2

---

关于

applymap（ord）

解决方案，我不喜欢的是剩余的数字被保留为字符串。对于

fillna

/

to_numeric

解决方案，您可以在调用

fillna

中使用参数

downcast='infer'

将所有内容保持为整数：

df.apply（pd.to_numeric，errors='concure'）.fillna（-1，downcast='infer'）