Question

要求：

DataFrame中的一个特定列是“混合”类型。它可以包含"123456"或"ABC12345"等值。

使用xlsxwriter将此数据框写入Excel。

对于像"123456"这样的值，Pandas将它转换为123456.0（让它看起来像一个浮点数）

我们需要将它作为123456（即+整数）放入xlsx，以防值为FULLY numeric。

努力：

下面显示的代码段

import pandas as pd
import numpy as np
import xlsxwriter
import os
import datetime
import sys
excel_name = str(input("Please Enter Spreadsheet Name :\n").strip())

print("excel entered :   "   , excel_name)
df_header = ['DisplayName','StoreLanguage','Territory','WorkType','EntryType','TitleInternalAlias',
         'TitleDisplayUnlimited','LocalizationType','LicenseType','LicenseRightsDescription',
         'FormatProfile','Start','End','PriceType','PriceValue','SRP','Description',
         'OtherTerms','OtherInstructions','ContentID','ProductID','EncodeID','AvailID',
         'Metadata', 'AltID', 'SuppressionLiftDate','SpecialPreOrderFulfillDate','ReleaseYear','ReleaseHistoryOriginal','ReleaseHistoryPhysicalHV',
          'ExceptionFlag','RatingSystem','RatingValue','RatingReason','RentalDuration','WatchDuration','CaptionIncluded','CaptionExemption','Any','ContractID',
          'ServiceProvider','TotalRunTime','HoldbackLanguage','HoldbackExclusionLanguage']
first_pass_drop_duplicate = df_m_d.drop_duplicates(['StoreLanguage','Territory','TitleInternalAlias','LocalizationType','LicenseType',
                                   'LicenseRightsDescription','FormatProfile','Start','End','PriceType','PriceValue','ContentID','ProductID',
                                   'AltID','ReleaseHistoryPhysicalHV','RatingSystem','RatingValue','CaptionIncluded'], keep=False) 
# We need to keep integer AltID  as is

first_pass_drop_duplicate.loc[first_pass_drop_duplicate['AltID']] =   first_pass_drop_duplicate['AltID'].apply(lambda x : str(int(x)) if str(x).isdigit() == True else x)

我试过了：

1. using `dataframe.astype(int).astype(str)` # works as long as value is not alphanumeric
2.importing re and using pure python `re.compile()` and `replace()` -- does not work
3.reading DF row by row in a for loop !!! Kills the machine as dataframe can have 300k+ records

每一次，我得到错误：

引发KeyError（'％s不在索引'％objarr [mask]中）
KeyError：'[102711。1027111027111110271110711111071111107111110711。\ n 10271110711111071111。1027111071111,1027111071111107111110211111071111107111110101071071011111071110107111071011。 102711. 102711. 102711. \ n 102711. 102711. 102711. 102711. 102711. 102711. 102711. 102711. \ n 102711. 102711. 102711. 102711. 102711. 102711. 102711. 102711. \ n 102711. 102711. 102711。 102711. 102711. 102711. 102711. 102711. \ n 102711. 102711. 102711. 102711. 102711. 102711. 102711. 102711. \ n 102711. 102711. 102711. 102711. 102711. 102711. 102711. 102711. \ n 5337。 5337. 5337. 5337. 5337. 5337. 5337. 5337. \ n 5337. 5337. 5337. 5337. 5337. 5337. 5337. 5337. \ n 5337. 5337. 5337. 5337. 5337. 5337. 5337. 5337。 \ n 5337. 5337. 5337. 5337. 5337. 5337. 5337. 5337. \ n 5337. 5337. 5337. 5337. 5337. 5337. 5337. 5337. \ n 5337. 5337. 21 24. 2124. 2124. 2124. 2124. 2124. \ n 2124. 2124。6643. 6643. 6643. 6643. 6643. 6643. \ n 6643. 6643. 6643. 6643. 6643. 6643. 6643. 6643. \ n 6643. 6643. 6643. 6643. 6643. 6643. 6643. 6643. \ n 6643. 6643. 6643. 6643. 6643. 6643. 6643. 6643.]不在索引'

我是python / pandas的新手，任何帮助，解决方案都非常感谢。

Answer 1

我认为你需要to_numeric：

df = pd.DataFrame({'AltID':['123456','ABC12345','123456'],
                   'B':[4,5,6]})

print (df)
      AltID  B
0    123456  4
1  ABC12345  5
2    123456  6

df.ix[df.AltID.str.isdigit(), 'AltID']  = pd.to_numeric(df.AltID, errors='coerce')

print (df)
      AltID  B
0    123456  4
1  ABC12345  5
2    123456  6

print (df['AltID'].apply(type))
0    <class 'float'>
1      <class 'str'>
2    <class 'float'>
Name: AltID, dtype: object

Answer 2

将apply和pd.to_numeric与参数errors='ignore'

一起使用

考虑pd.Series s

s = pd.Series(['12345', 'abc12', '456', '65hg', 54, '12-31-2001'])

s.apply(pd.to_numeric, errors='ignore')

0         12345
1         abc12
2           456
3          65hg
4            54
5    12-31-2001
dtype: object

注意类型

s.apply(pd.to_numeric, errors='ignore').apply(type)

0    <type 'numpy.int64'>
1            <type 'str'>
2    <type 'numpy.int64'>
3            <type 'str'>
4            <type 'int'>
5            <type 'str'>
dtype: object

Answer 3

最后，它使用pandas read_excel格式的'converter'选项作为

df_w02 = pd.read_excel(excel_name, names = df_header,converters = {'AltID':str,'RatingReason' : str}).fillna("")

转换器可以“转换”由我的函数/值定义的类型，并将intefer保存为字符串而不添加小数点。

Pandas尝试将字符串转换为整数时出错

3 个答案: