Tenho um dataset chamado Auto.csv, que tem a forma:
mpg cylinders displacement horsepower weight acceleration year origin name
18 8 307 130 3504 12 70 1 chevrolet chevelle malibu
15 8 350 165 3693 11.5 70 1 buick skylark 320
18 8 318 150 3436 11 70 1 plymouth satellite
16 8 304 150 3433 12 70 1 amc rebel sst
17 8 302 140 3449 10.5 70 1 ford torino
15 8 429 198 4341 10 70 1 ford galaxie 500
14 8 454 220 4354 9 70 1 chevrolet impala
14 8 440 215 4312 8.5 70 1 plymouth fury iii
14 8 455 225 4425 10 70 1 pontiac catalina
? 8 390 190 3850 8.5 70 1 amc ambassador dpl
15 8 383 170 3563 10 70 1 dodge challenger se
14 8 340 160 3609 8 70 1 plymouth 'cuda 340
15 8 400 150 3761 9.5 70 1 chevrolet monte carlo
14 8 455 225 3086 10 70 1 buick estate wagon (sw)
24 4 113 95 2372 15 70 3 toyota corona mark ii
22 6 198 95 2833 15.5 70 1 plymouth duster
18 6 199 97 2774 15.5 70 1 amc hornet
21 6 200 85 2587 16 70 1 ford maverick
Imagine que o dataset tem 1milhão de linhas e, possivelmente em algum lugar há um caracter no lugar de um número, ou seja, por um erro, em algum lugar na coluna mpg
que deveria conter apenas números há uma caracter estranho como '?'
import pandas as pd
import numpy as np
carros = pd.read_csv('Auto.csv',sep =',')
print(carros['mpg'])
Como eu posso testar se a coluna mpg
por exemplo, contém apenas números e, em caso, contrário, retornar um novo dataframe Pandas com a linha removida?
Fonte do dataset: http://www-bcf.usc.edu/~gareth/ISL/data.html