Question

我正在将一些csv数据导入Pandas DataFrame（在Python中）。一个系列意味着所有数值。但是，它还包含一些虚假的“$ - ”元素，表示为字符串。这些都是以前的格式化遗留下来的。如果我只是导入该系列，Pandas会将其报告为一系列“对象”。

用零替换这些“$ - ”字符串的最佳方法是什么？或者更一般地说，如何用数值替换系列中的所有字符串（主要是数字），并将系列转换为浮点类型？

史蒂夫

Answer 1

您可以使用DataFrame的{{3}}方法，convert_numeric=True将字符串更改为NaNs

来自文档：

<强> convert_numeric ：如果为True，则尝试强制转换为数字（包括字符串），不可转换的值变为NaN。

In [17]: df
Out[17]: 
    a   b  c
0  1.  2.  4
1  sd  2.  4
2  1.  fg  5

In [18]: df2 = df.convert_objects(convert_numeric=True)

In [19]: df2
Out[19]: 
    a   b  c
0   1   2  4
1 NaN   2  4
2   1 NaN  5

最后，如果您想将NaNs转换为0，您可以使用df.replace

In [20]: df2.replace('NaN',0)
Out[20]: 
   a  b  c
0  1  2  4
1  0  2  4
2  1  0  5

Answer 2

使用Series.str.replace和Series.astype

df = pd.Series(['2$-32$-4','123$-12','00123','44'])

df.str.replace(r'\$-','0').astype(float)

0    203204
1    123012
2       123
3        44
dtype: float64

Answer 3

使用 .to_numeric 将字符串转换为数字（使用错误选项 'coerce' 将字符串设置为 NaN）：

df = pd.to_numeric(df, errors='coerce')

然后使用替换将 NaN 值转换为零：

df.replace('NaN',0)

Pandas - 如何在DataFrame系列中用零值替换字符串？

3 个答案: