Python Pandas转换列数据类型

Question

我知道像这样的问题被问到了数十种类型，但到目前为止我还没有找到这个问题的答案。

我已经与Pandas一起加入了两个.csv文件，现在我想在新加入的.csv文件中添加更多列，并根据已有的数据计算值。

但是，我一直收到这个错误：

"The truth value of a is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()."

现在这显然是我的列的数据类型（全部是整数）的问题，但我还没有找到一种（工作）方式将该列设置为整数。

这是我的代码：

import pandas

def nscap(ns):
    if ns <= 13:
        x = ns
    elif ns > 13:
        x = 13
    return x

df_1 = pandas.read_csv("a.csv", sep=';', names=["DWD_ID", "NS"], header=0)
df_2 = pandas.read_csv("b.csv", sep=';', names=["VEG", "DWD_ID"], header=0)
df_joined = pandas.merge(df_1, df_2, on="DWD_ID")
df_joined["NS_Cap"] = nscap(df_joined["NS"])

如果我设置

df_joined["NS_Cap"] = nscap(20)

代码工作正常

我尝试过.astype（int）或.to_numeric（）等函数，但除非我的语法错误，否则它对我不起作用。

提前致谢！

Answer 1

与@ EdChum的评论一样，您需要使用clip(upper=13)或clip_upper(13)。另一个可以帮助您长期使用此类实例的选项是将apply与lambda函数一起使用。这是一个非常好的全能方法。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(5,18,size=(5, 4)), columns=list('ABCD'))
nscap = lambda x: min(x, 13)

print df.head()
print '-' * 20

df['NSCAP'] = df['D'].apply(nscap)

print df.head()

结果：

记下第二个数据帧的最后两行。

希望这有帮助。

Answer 2

（您的代码缺少nscap(df_joined["NS"]末尾的括号。）

@EdChum和@TheLaughingMan写道，clip_upper就是你想要的。这个答案只是解决了你得到的错误的直接原因。

在功能

中

def nscap(ns):
    if ns <= 13:
        x = ns
    elif ns > 13:
        x = 13
    return x

有效地ns <= 13对numpy.ndarray进行操作。将这样的数组与标量进行比较时，会发生广播，结果是一个数组，其中每个元素指示它是否为真。

所以

if ns <= 13:

转换为类似

的内容

if numpy.array([True, False, True, True]):

并且无法理解这是否属实。这就是你得到的错误：你需要指明你是否意味着所有条目是否为真，某些条目是否为真，等等。