Question

我尝试用空白字段替换'，'。

df['amount'].replace(',','', regex=True).astype(float)

错误：

ValueError: could not convert string to float: 

df['amount'] = df['amount'].astype('float64')

我仍然得到同样的错误。示例数据如下所示： 5,000.00 和 1,00,000.234 值。

如何将其转换为浮动？

顺便说一下，我正在读一个json文件！只有文件的路径。

Answer 1

我认为需要转回：

df = pd.DataFrame({'amount':['5,000.00', '1,00,000.234']})

df['amount'] = df['amount'].replace(',','', regex=True).astype('float64')
print (df)
       amount
0    5000.000
1  100000.234

如果不起作用，请检查是否存在一些错误值：

df = pd.DataFrame({'amount':['5,000.00', '1,00,000.234', 'a']})
print (df)
         amount
0      5,000.00
1  1,00,000.234
2             a

print (df.loc[pd.to_numeric(df['amount'].replace(',','', regex=True), errors='coerce').isnull(), 'amount'])
2    a
Name: amount, dtype: object

然后可以将错误值转换为NaN s：

df = pd.DataFrame({'amount':['5,000.00', '1,00,000.234', 'a']})
print (df)
         amount
0      5,000.00
1  1,00,000.234
2             a

df['amount'] = pd.to_numeric(df['amount'].replace(',','', regex=True), errors='coerce', downcast='float')
print (df)

       amount
0    5000.000
1  100000.234
2         NaN

如果pd.read_csv使用DataFrame添加参数thousands=','：

df = pd.read_csv(file, thousands=',')

Answer 2

将pandas.to_numeric与pd.Series.str.replace一起使用可以解决此问题：

s = pd.Series(['5,000.00', '1,00,000.234'])

s = pd.to_numeric(s.str.replace(',', ''), downcast='float')

print(s)

# 0      5000.000
# 1    100000.234
# dtype: float64

然而，如果可能的话，更好的想法是在源头修复此问题。例如，pandas.read_csv具有允许您考虑此类数字格式的参数。

Answer 3

像 5,000.00 这样的值将被转换为 5000.00 作为浮点数：

df['Withdrawal Amt.'] = [float(str(i).replace(",", "")) for i in df['Withdrawal Amt.']]

pandas没有将类型字符串转换为float

3 个答案: