我们日常拿到的数据，指标字段有时会混入非数字的数据，这时候会影响我们的操作
| name | height |
| Hang | 180 |
| Ben | 145 |
| Cho | notknow |
| XIn | 189 |
比如read_csv读入时，该列会以object形式读入，也不能直接进行计算，不然会出现如unsupported operand type(s) for +: 'float' and 'str'的错误
这时候就需要进行数据预处理，清除掉指标值中非数字的数据，这里我以2012_FederalElectionCommission_Database数据为例。
首先读入数据，可以发现提示：Columns (6) have mixed types，这里Columns (6)是指标值混有字符串格式数据
- fec = pd.read_csv('P00000001-ALL.csv')
- D:\SOFTWARE\Anaconda\lib\site-packages\IPython\core\interactiveshell.py:2717: DtypeWarning: Columns (6) have mixed types. Specify dtype option on import or set low_memory=False.
- interactivity=interactivity, compiler=compiler, result=result)
- #先使用str打开数据
- fec = pd.read_csv('P00000001-ALL.csv',dtype={'contbr_zip':str})
- #然后使用str函数isdigit()判断单元格是否全为数字
- fec_isnum=fec.iloc[:,6].str.isdigit()
- #得到使用bool索引把全为数字的表格cleaned
- cleaned = fec[fec_isnum].copy()
补充：pandas如何去掉、过滤数据集中的某些值或者某些行？
在进行数据分析与清理中，我们可能常常需要在数据集中去掉某些异常值。具体来说，看看下面的例子。
0.导入我们需要使用的包
- import pandas as pd
pandas是很常用的数据分析，数据处理的包。anaconda已经有这个包了，纯净版python的可以自行pip安装。
1.去掉某些具体值
数据集df中，对于属性appPlatform（最后一列），我们想删除掉取值为2的那些样本。
如何做？非常简单。
- import pandas as pd
- df[(True-df['appPlatform'].isin([2]))]
当然，有时候我们需要去掉不止一个值，这个时候只需要在isin([]）的列表中添加。更具体来说，例如，对于appID这个属性，我们想去掉appID=278和appID=382的样本。
- df[(True-df['appID'].isin([278,382]))]
另外，我们有时候并不只是考虑某一列，还需要考虑另外若干列的情况。例如，我们需要过滤掉appPlatform=2而且appID=278和appID=382的样本呢？非常简单。
- df[(True-df['appID'].isin([278,382]))&(True-df['appPlatform'].isin([2]))]
其实，在这里我们看到，就是由两部分组成的，第一部分就是appID中等于278和382的，另外一部分就是appPlatform中等于2的。两者取逻辑关系 与（&）
2.过滤掉某个范围的值
上面我们是了解了如何取掉某个具体值，下面，我们要看看如何过滤掉某个范围的值。
对于数据集df，我们想过滤掉creativeID（第一列）中ID值大于10000的样本。
- df[df['creativeID']<=10000]
另外，如果要考虑多列的话，其实和上面一样，将两种情况做逻辑与（&）就可以，不过值得注意的是，每个条件要用括号()括起来。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/zheng_weibin/article/details/79375420
