我正在为一个课程的机器学习项目工作。目前我在清理数据时遇到一个问题。我有一个列（被识别为dtype object类型），这个列包含关于酒店某一方面的评级。当我检查这个列的值及其出现的频率时，我注意到其中有一些错误的值（如你下面所见，有些行不是评级，而是日期）

rating       value_counts()      100           52798            22997            17299            16396            15095            12793            10090             9494             9380             6592             5591             3988             3589             3287             3185             2586             1784             1260             1283              870              573              582              478              367              32018-11-11      320              281              22018-11-03      240              279              275              22018-10-26      22               12018-08-30      12018-09-03      12015-09-05      155              12018-10-12      12018-05-11      12018-11-14      12018-09-15      12018-04-07      12018-08-16      171              12018-09-18      12018-11-05      12018-02-04      1NaN             1 

我想做的是将所有看起来像日期的值替换为NaN，以便之后可以用合适的值填充它们。除了逐个选择不同的日期并用NaN替换之外，有没有更好的方法来做这件事？有没有办法选择相似的值（在这种情况下，所有以相同方式开始的日期，2018年）并一次性替换它们？

感谢你花时间阅读这篇文章！！

回答：

有几种方法可以清理这些数据。

选项1：评级列是object类型，通过搜索包含’-‘的字符串并替换为np.nan

df.loc[df['rating'].str.contains('-', na = False), 'rating'] = np.nan

选项2：将列转换为数值类型，这将强制日期转换为NaN。

df['rating'] = pd.to_numeric(df['rating'], errors = 'coerce')