Question

我使用read_csv()加载看起来像这样的数据集

userid
NaN
1.091178e+11
1.137856e+11

我想将用户ID转换为字符串。一种解决方案是将keep_default_na=False添加到read_csv()，这由此SO建议：Converting long integers to strings in pandas (to avoid scientific notation)

我们说我不想使用keep_default_na=False。有没有办法将用户ID列转换为str。

我尝试了df.userid.astype(str)，然后又回到了1.091178e+11。我期待扩展形式的结果不是科学形式。

我该怎么办？

Answer 1

您可以使用提到的map或apply comment：

print (df.userid.map(lambda x: '{:.0f}'.format(x)))
0             nan
1    109117800000
2    113785600000
Name: userid, dtype: object

df.userid = df.userid.map(lambda x: '{:.0f}'.format(x))
print (df)
         userid
0           nan
1  109117800000
2  113785600000

如果map更快，我很有意思，但它是一样的：

#[300000 rows x 1 columns]
df = pd.concat([df]*100000).reset_index(drop=True)
#print (df)

In [40]: %timeit (df.userid.map(lambda x: '{:.0f}'.format(x)))
1 loop, best of 3: 211 ms per loop

In [41]: %timeit (df.userid.apply(lambda x: '{:.0f}'.format(x)))
1 loop, best of 3: 210 ms per loop

另一个解决方案是to_string，但速度很慢：

print(df.userid.to_string(float_format='{:.0f}'.format))
0            nan
1   109117800000
2   113785600000

In [41]: (df.userid.to_string(float_format='{:.0f}'.format))
1 loop, best of 3: 2.52 s per loop

Answer 2

使用read_json方法从json文件中读取数据帧后，我偶然发现了这个问题，不幸的是它没有keep_default_na参数。

解决方案是先将长浮点数转换为np.int64，然后再将其转换为str。

In [53]: tweet_id_sample = tweets.iloc[0]['id']
         tweet_id_sample
Out[53]: 8.924206435553362e+17

In [54]: tweet_id_sample.astype(str)
Out[54]: '8.924206435553362e+17'

In [55]: tweet_id_sample.astype(np.int64).astype(str)
Out[55]: '892420643555336192'

In [56]: # This overflows
         tweet_id_sample.astype(int)
Out[56]: -2147483648

Pandas将科学记数法中的浮点数转换为字符串

2 个答案: