将所有字符串替换为DataFrame中的默认数字

Question

我有一个数字的pandas DataFrame（int和float）导致所有列的数据类型为float。或者我想。

这些表是OCR扫描到EXCEL的结果。在某些情况下，由于扫描不良，会出现ascii或word值。

如何为所有列执行全局str值到默认值-999999，DataFrame中的所有值？

我遇到的问题是pd.replace（）函数似乎是特定于字符串的。

谢谢！

Answer 1

请尝试

 df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).fillna(-999999)

pd.to_numberic函数会将所有不可解析的字符串转换为＆＃39; NaN＆＃39;并且fillna用给定值替换这些值＆＃39; -999999＆＃39;

Answer 2

你也可以在pandas替换方法py传递中进行正则表达式匹配， regex = True

df.replace("^\w.*$", "-999999", regex=True)

从pandas替换函数documentation：

  

to_replace：str，regex，list，dict，Series，numeric或None

     

str或regex：

     

  
• str：完全匹配to_replace的字符串将替换为值
  
• 正则表达式：匹配to_replace的正则表达式将替换为值
  

     

str，regex或numeric列表：

     

  
• 首先，如果to_replace和value都是列表，则它们的长度必须相同。
  
• 其次，如果 regex = True ，则两个列表中的所有字符串都将被解释为正则表达式，否则它们将直接匹配。这对于值来说并不重要，因为您可以使用几个可能的替换正则表达式。
  
• str和regex规则如上所述适用。