python如何删除数据中含有“.0.01“的异常数据

1、摘要

本文主要讲解：使用python删除数据中含有".0.01"的异常数据
主要思路：

1. 替换"."
2. 替换".0."
3. 计算"."的数量，超过1就删除
4. 将数据转为float，并用try捕获异常，属于异常就删除

2、数据介绍

含有".0.01"的异常数据
示例1：

示例2：

给你们提供一部分数据：

-0.0244498
8.00209-0.0450641
0.00740863
0.00428525
-0.00789592
-0.012581
-0.0353816
-0.00446021
-0.0141427
-0.0319459
-0.00414787
-0.0269485
30.0128933
-0.012890.00366057
-0.0281979
-0.0225758
-0.00196151
-0.0369433
0.0080333
-0.037568
-0.0110193
-0.00539722
-0.0207018
-0.0263239
0.0136554
-0.0197648
0.0142801
-0.0378803
-0.0303842
0.0111567
-0.0222635
-0.0256992
-0.0113316
-0.016329
-0.00133683
0.0111567
0.0245872
-0.0100823
-0.00664657
-0.015392
-0.0360063
0.00522226
0.00459759
-0.0188277
-0.0260115
-0.0313213
0.00834564
-0.011644
-0.00539722
-0.0244498
0.0117814
-0.0225758
0.0283353
-0.00539722
-0.0288226
80.0182031
-0.032250.0233379
3.03830.0302093
0.00772096

3、相关技术

捕获异常 try…except
编写格式
Exception代码要捕获的异常,as e代表储存异常的基本信息

try:	#写一个 try 把可能出错的代码放进去。
   代码段
except Exception as e:# 写一个except
     获取到异常时的处理	# 书写捕获异常的处理方案
1
2
3
4

示例：

    try:  
    	values = .0.00147421
        values = float(values)
    except Exception as e:
        print(values)
        print(e)
1
2
3
4
5
6

4、完整代码和步骤

主运行程序入口

import pandas as pd
import numpy as np

data = pd.read_csv('3.xlsx', sep='\t', dtype=str, names=['col'], error_bad_lines=False)
for index, one in data.iterrows():
    values = one[0]
    resoult = {}
    for i in values:
        resoult[i] = values.count(i)
    print(resoult)
    values = values.replace('.0.', '0.')
    if '.0.' in values:
        data.drop(index=index)
    if '.' in resoult.keys():
        if resoult['.'] > 1:
            data.drop(index=index)
    if values == '.0.00147421':
        data.drop(index=index)
    try:
        values = float(values)
    except:
        print(values)
        data.drop(index=index)

if data.shape[0] < 10324:
    data = np.append(data.values, [0.0] * (10324 - data.shape[0]))
print(len(data))
for i in range(len(data)):
    try:
        data[i] = float(data[i])
    except:
        print(data[i])
        np.delete(data, [i], axis=0)
data = data.astype(float)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34