rimozione di righe particolari da DataFrame nei panda python

Question

Ho un file .txt di grandi dimensioni con dati in formati non validi. Vorrei rimuovere alcune righe e convertire il resto dei dati in numeri mobili. Vorrei rimuovere le righe con 'X' o 'XX', Il resto lo deve convertire a stare a galla, numero come 4;00.1 devono essere convertiti in 4.001 Il file è simile al seguente esempio:

0,1,10/09/2012,3:01,4;09.1,5,6,7,8,9,10,11 
1,-0.581586,11/09/2012,-1:93,0;20.3,739705,,0.892921,5,,6,7 
2,XX,10/09/2012,3:04,4;76.0,0.183095,-0.057214,-0.504856,NaN,0.183095,12 
3,-0.256051,10/09/2012,9:65,1;54.9,483293,0.504967,0.074442,-1.716287,7,0.504967,0.504967 
4,-0.728092,11/09/2012,0:78,1;53.4,232247,4.556,0.328062,1.382914,NaN,4.556,4 
5,4,11/09/2012,NaN,NaN,6.0008,NaN,NaN,NaN,6.000800,6.000000,6.000800 
6,X,11/09/2012,X,X,5,X,8,2,1,17.000000,33.000000 
7,,11/09/2012,,,,,,6.000000,5.000000,2.000000,2.000000 
8,4,11/09/2012,7:98,3;04.5,5,6,3,7.000000,3.000000,3.000000,2 
9,6,11/09/2012,2:21,4;67.2,5,2,2,7,3,8.000000,4.000000 

ho letto a dataframe e scegliere le righe

from pandas import * 
from csv import * 
fileName = '~/data.txt' 
colName = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l'] 
df = DataFrame(read_csv(fileName, names=colName)) 
print df[df['b'].isin(['X','XX',None,'NaN'])].to_string() 

Un'uscita da ultimo ultima riga mi dà solo:

>>> print df[df['b'].isin(['X','XX',None,'NaN'])].to_string() 
    b   c  d  e   f   g   h i   j k l 
a                     
2 XX 10/09/2012 3:04 4;76.0 0.183095 -0.057214 -0.504856 NaN 0.183095 12 NaN 
6 X 11/09/2012  X  X 5.000000   X 8.000000 2 1.000000 17 33 

non raccogliere la riga 7, e vorrei passare attraverso tutti i df non solo una colonna (il file originale è molto grande).

Al momento della conversione che uso come sotto, ma hanno bisogno di rimuovere le righe indesiderate primo ad applicare a tutti df.

convert1 = lambda x : x.replace('.', '') 
convert2 = lambda x : float(x.replace(';', '.')) 
newNumber = convert2(convert1(df['e'][0])) 

Dopo aver scelto le righe vorrei per rimuoverli dal df, provo df.pop() ma funziona solo per la colonna non per le righe. Provo a dare un nome alle file ma non ho fortuna. In questo particolare .txt dovrei finire con un nuovo df dalle righe [0,3,8,9] con la colonna 'c' come formato di data, 'd' come formato orario e il resto come float. Cerco di capirlo per un bel po ', ma non so dove a muoversi, è possibile in panda (probabilmente dovrebbe essere) o ho bisogno di cambiare per ndarray o qualsiasi altra cosa? Grazie per i vostri consigli

Answer 1

Il problema con il filtro originale è il controllo di 'NaN' piuttosto che numpy.nan, che è quello che le stringhe vuote vengono analizzate come impostazione predefinita. Se si desidera filtrare tutte le colonne in modo da ottenere solo le righe in cui nessun elemento è 'X' o 'XX', fare qualcosa di simile:

In [45]: names = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l'] 

In [46]: df = pd.read_csv(StringIO(data), header=None, names=names) 

In [47]: mask = df.applymap(lambda x: x in ['X', 'XX', None, np.nan]) 

In [48]: df[-mask.any(axis=1)] 
Out[48]: 
<class 'pandas.core.frame.DataFrame'> 
Int64Index: 5 entries, 0 to 9 
Data columns: 
a 5 non-null values 
b 5 non-null values 
c 5 non-null values 
d 5 non-null values 
e 5 non-null values 
f 5 non-null values 
g 5 non-null values 
h 5 non-null values 
i 5 non-null values 
j 4 non-null values 
k 5 non-null values 
l 5 non-null values 
dtypes: float64(6), int64(1), object(5)