Python用于groupby的求和操作，但不包括非数字数据

如何使用python中csv文件中的groupby执行求和操作，但从groupby中排除一些非数字数据？例如，我有csv文件：

id  | filename                  | #Line_Changed
-----------------------------------------------
  1 | analyze/dir_list.txt      |            16
  2 | metrics/metrics1.csv      |            11
  3 | metrics/metrics2.csv      |            15
  4 | analyze/dir_list.txt      |    =>
  5 | metrics/metrics1.csv      |            11
  6 | metrics/metrics2.csv      |    bin
  7 | metrics/metrics2.csv      |             4
  8 | analyze/dir_list.txt      |             4

我想按列文件名分组，只计算只有数字数据的行的总和，不包括非数字数据。结果应该如下所示：

  filename                  | SUM #Line_Changed
 -----------------------------------------------
  analyze/dir_list.txt      |            20
  metrics/metrics1.csv      |            22
  metrics/metrics2.csv      |            19

到目前为止我所做的：

df = pd.read_csv('diffhistogram.csv')
by_fn = df.groupby('filename')
mydata = {}
for name in ['#line_changed']:
    mydata['SUM ' + name] = by_fn[name].sum()
output = pd.DataFrame(mydata)
print(output)

但输出假定列“#line_changed”中的数据为字符串：

  filename                  | SUM #Line_Changed
 -----------------------------------------------
  analyze/dir_list.txt      |         16=>4
  metrics/metrics1.csv      |          1111
  metrics/metrics2.csv      |        15bin4  

有没有办法指定要在sum（）操作中包含哪些数值数据以及要排除哪些非数值数据？

我认为您需要使用参数

errors='concurve'

将非数值数据转换为

NaN

s，然后

groupby

+

sum

忽略以下行：

df = (pd.to_numeric(df['#Line_Changed'], errors='coerce')
       .groupby(df['filename'])
       .sum()
       .to_frame()
       .add_prefix('SUM ')
       .reset_index())

print (df)
               filename  SUM #Line_Changed
0  analyze/dir_list.txt               20.0
1  metrics/metrics1.csv               22.0
2  metrics/metrics2.csv               19.0

或分配给用于

groupby

的新列：

df['SUM #Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
df = df.groupby('filename', as_index=False)['SUM #Line_Changed'].sum()

print (df)
               filename  SUM #Line_Changed
0  analyze/dir_list.txt               20.0
1  metrics/metrics1.csv               22.0
2  metrics/metrics2.csv               19.0

详细信息：

df['SUM #Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
print (df)
   id              filename #Line_Changed  SUM #Line_Changed
0   1  analyze/dir_list.txt            16               16.0
1   2  metrics/metrics1.csv            11               11.0
2   3  metrics/metrics2.csv            15               15.0
3   4  analyze/dir_list.txt            =>                NaN
4   5  metrics/metrics1.csv            11               11.0
5   6  metrics/metrics2.csv           bin                NaN
6   7  metrics/metrics2.csv             4                4.0
7   8  analyze/dir_list.txt             4                4.0

编辑：

如果要从原始数据框中删除非数字行，请执行以下操作：

df['#Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
df = df.dropna(subset=['#Line_Changed'])
print (df)
   id              filename  #Line_Changed
0   1  analyze/dir_list.txt           16.0
1   2  metrics/metrics1.csv           11.0
2   3  metrics/metrics2.csv           15.0
4   5  metrics/metrics1.csv           11.0
6   7  metrics/metrics2.csv            4.0
7   8  analyze/dir_list.txt            4.0

---

这很有效。这很有帮助。但如何通过排除NaN数据在条形图中绘制此数据框？我试图绘制它们，但NaN数据显示在图表中。@Yusuf-Do yo uwant plot column

SUM\Line\u已更改

？然后使用

df=df.dropna（子集=['SUM#Line_Changed']）