Question

我有一些格式错误的数据。具体来说，我有一些数字列，其中包含一些带有虚假文本的元素（例如“8米”而不是“8”）。我想使用readtable读取数据，对数据进行必要的修复，然后将列转换为Float64，使其行为正确（比较等）。

似乎有一个名为@transform的宏会进行转换，但它已被删除。我现在该怎么做？

目前我最好的解决方案是清理数据，将其作为csv写出，然后使用readtable重新读取并指定eltypes。但那太可怕了。

我还能做什么？

Answer 1

无需通过csv文件运行。您可以直接更改或更新DataFrame。

using DataFrames
# Lets make up some data
df=DataFrame(A=rand(5),B=["8", "9 meters", "4.5", "3m", "12.0"])

# And then make a function to clean the data
function fixdata(arr)
    result = DataArray(Float64, length(arr))
    reg = r"[0-9]+\.*[0-9]*"
    for i = 1:length(arr)
        m = match(reg, arr[i])
        if m == nothing
            result[i] = NA
        else
            result[i] = float64(m.match)
        end
    end
    result
end

# Then just apply the function to the column to clean the data
# and then replace the column with the cleaned data.
df[:B] = fixdata(df[:B])

Answer 2

假设您有dataframe = df和列B，其中包含要转换的字符串。

首先，这会将字符串转换为浮点数，如果失败则返回NA：

string_to_float(str) = try convert(Float64, str) catch return(NA) end

然后转换该列：

df[:B] = map(string -> string_to_float string, df[:B])

替代短版

df[:B] = map(string_to_float, df[:B])

如何在Julia中转换Dataframe列的类型？

2 个答案: