Question

print([x["keywords"].split(",") for i,x in df.iterrows()  if not isinstance(x["keywords"], (int, float))])

print([x["tags"].split(",") for i,x in df.iterrows()  if not isinstance(x["tags"], (int, float))])

print([x["rating"].split(",") for i,x in df.iterrows()  if not isinstance(x["rating"], (int, float))])

print([x["rank"].split(",") for i,x in df.iterrows()  if not isinstance(x["rank"], (int, float))])

当我将它们连接在一起时，我想将这四个语句合并为一个语句：

AttributeError：“ float”对象没有属性“ split”

features = [(x["entity_id"], x["tags"].split(","),x["rating"],
           x["rank"],x["keywords"].split(",") )
           for (index, x) in df.iterrows() if not isinstance(x, (int, float))]

Answer 1

pd.DataFrame.iterrows返回索引和pd.Series对象的元组。因此isinstance(x, (int, float))并没有做您想要的事情，因为pd.Series对象不是int或float的子类。使用这种方法，您需要迭代pd.Series对象中包含的各个值。

这是可能的，但我强烈建议不要这样做。实际上，我建议您完全避免使用iterrows，因为它会丢失所有矢量化功能，这是Pandas的主要优点之一。

这是使用pd.DataFrame.mask和NumPy数组的解决方案：

df = pd.DataFrame({'entity_id': ['SomeId', 3124123, 'SomeOtherId', 314324],
                   'tags': ['Tag1,Tag2', None, 'Tag4', 'Tag5,Tag6,Tag7'],
                   'rating': [5.0, 'SomeRating', 'SomeOtherRating', np.nan],
                   'rank': ['SomeRank', 2, np.nan, 4],
                   'keywords': ['key1', 'key2,key3', 'key4', 'key5']})

df2 = df.mask(df.apply(pd.to_numeric, errors='coerce').notnull() | df.isnull(), None)

for col in ['tags', 'keywords']:
    df2[col] = df2[col].str.split(',')

col_order = ['entity_id', 'tags', 'rating', 'rank', 'keywords']
res = [list(filter(None, x)) for x in df2[col_order].values.tolist()]

结果

print(res)

[['SomeId', ['Tag1', 'Tag2'], 'SomeRank', ['key1']],
 ['SomeRating', ['key2', 'key3']],
 ['SomeOtherId', ['Tag4'], 'SomeOtherRating', ['key4']],
 [['Tag5', 'Tag6', 'Tag7'], ['key5']]]

作为评论，这很混乱。最好是确定一个 consistent 结构，而不是这种类型的混合数据类型结构并根据类型进行过滤。

AttributeError：制作生成器对象时，“ float”对象没有属性“ split”

1 个答案: