pandas 无法将缺少的“..”值的类型转换为浮点类型

eufgjt7s 于 2023-08-01 发布在其他

关注(0)|答案(2)|浏览(123)

我需要将列中的所有值转换为float类型。但是，该列包含缺少的值，如下所示：

的数据
我使用以下代码将所有值转换为float类型。
第一个月
但收到一条错误消息，告诉我们：
TypeError：float（）参数必须是字符串或数字，而不是“NoneType”
我会感谢任何推荐。

2条答案

好吧，你的数据实际上是None，为了跳过它们，只需检查它们是否为None。
我猜这能帮你完成任务

df['col'].apply(lambda x : float(x) if x is not None and x != '..' else np.nan)

字符串
或者你可以使用这个：

def convert(x):
    try:
        return float(x)
    except ValueError:
        return np.nan

df['col'].apply(convert)

型

这在您的输入图片中并不清楚（请以文本形式发布），但您的输入数据框架实际上包含了 None 和 '.'

一行，就地转换：

df['col'] = np.where(df['col']=='..', None, 
                                      df['col']).astype('float')

字符串

或者，分解步骤简化语法：（不需要numpy.where）

(0)* 初始数据框架的模型：（请以文字形式代替图片）*

df = pd.DataFrame({'col' : ['-0.123',None, '..']})
df
      col
0  -0.123
1    None 
2    '..'

型
(1)首先，通过将值为“..”的单元格替换为 None 来管理数据：

df.loc[df['col']=='..'] = None
df
      col
0  -0.123
1    None
2    None

型
(2)然后应用数据类型转换：

df['col'] = df['col'].astype('float64')
df
      col
0  -0.123
1     NaN
2     NaN

型
缺少的数据被转换为“不是数字”。生成的数据类型符合要求：

df.dtypes
col    float64
dtype: object

型
更进一步：更多的pandas内置column-wise datatype converters可以用来代替你自己的lambda函数。