Skip to main content
 首页 » 编程设计

python之用自己的值有条件地更新数据框值

2024年11月24日8mq0036

我有带 float 街道号码的 DF,有时它是“NaN”或“x-y”(例如:30-32)但通常是 x.y(例如:32.0 而不是 30) 我需要将其更改为 int(当然如果数字中没有“-”)。 我试过了

chunk.loc["-" not in chunk["Street Number"] & chunk["Street Number"].notna(), 'Street Number'] = chunk["Street Number"].astype(int) 

我知道我的“=”符号后有问题。请问如何用自己的值有条件地更新数据帧值? 我也试过

chunk[["Street Number"]].astype(int) 

没有错误

Sample of DF :

0 | NaN

1 | 1.0

2 | 6.0

3 | 170.0

4 | 61.0

5 | 51-52

我试图强制 dtype "Street Number": np.uint16 但我得到了 ValueError: Integer column has NA values in column 12

请您参考如下方法:

使用已更改 Cedric H. solution , 但在输出中是混合字符串、整数、 float (NaN)s:

def convert_street_number_values(x): 
    try: 
        x = float(x) 
        if x.is_integer(): 
            return int(x) 
        else: 
            return x 
    except Exception: 
        return x 
 
chunk = pd.DataFrame({'Street Number':[np.nan, '1.0', '6.0', '170.0', '61.0', '51-52']}) 
 
chunk['Street Number'] = chunk['Street Number'].apply(convert_street_number_values) 
print (chunk) 
  Street Number 
0           NaN 
1             1 
2             6 
3           170 
4            61 
5         51-52 

编辑:

问题是如果有多个不同的组 - 然后 pandas 将列转换为整数,但如果至少有一个 NaN 值,它会转换回 floats。

适用于所有数据的解决方案是转换为字符串:

def convert_street_number_values(x): 
    try: 
        x = float(x) 
        if x.is_integer(): 
            return str(int(x)) 
        else: 
            return str(x) 
    except Exception: 
        return str(x) 

因为可以使用 Nullable Integer Data Type 转换为具有缺失值的整数:

chunk['Street Number'] = chunk['Street Number'].astype('Int64') 

但如果至少是字符串值则失败。

因此,如果将所有非数字转换为 NaN,它会起作用:

chunk['Street Number'] = pd.to_numeric(chunk['Street Number'], errors='coerce').astype('Int64')