如何用pandas对象中的子串替换值？

Question

我在Latitude数据集中有坐标，每个坐标都有一个字母（例如N）。

仅检索数字并替换原始值的最佳方法是什么？

我的尝试是：

raw['LATITUDE'] = raw.loc[(raw['LATITUDE'].str.len() == 9)].str[0:8]

但是我收到了一条AttributeError消息。

AttributeError: 'DataFrame' object has no attribute 'str'

我也尝试用正则表达式替换值，但我不确定如何使其成功。

我很感激任何建议，谢谢。

Answer 1

好的，让我们澄清一些事情：

1. 您似乎正在使用混合dtypes。打印raw['LATITUDE'].apply(type).nunique()进行确认;它应该是> 1。

2. 您正在使用地理数据。很多你的价值都是无效的（0），我建议将其强制转换为NaN，因为它代表了更有意义的缺失数据

要解决您的问题，请尝试将所有内容添加到最后一个字符（:-1）：

raw['LATITUDE'] = raw['LATITUDE'].str[:-1].astype(float)
raw

   LATITUDE
0       NaN
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6       NaN
7       NaN
8       NaN
9  39.84941

尽管你的列是混合dtypes，但仍然有效，因为str访问器旨在将非字符串行强制转换为NaN。

如果您希望保留0（我不推荐），请使用快速替换功能，例如np.where;

raw['LATITUDE'] = np.where(
    raw.LATITUDE.eq(0), 0, raw['LATITUDE'].str[:-1].astype(float)
)

raw
   LATITUDE
0   0.00000
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6   0.00000
7   0.00000
8   0.00000
9  39.84941

我不建议保留0的原因是因为使用NaN划分缺失数据而不是0来在语义上更有意义。

Answer 2

您的系列中似乎有dtype object的混合类型。

选项1

您可以先转换为数字errors='coerce'，然后fillna转换为最后一个字符，然后转换为float：

s = pd.Series(['34.49881N', 0], dtype=object)

s = pd.to_numeric(s, errors='coerce').fillna(s.str[:-1].astype(float))

选项2

你也可以反过来工作。这是不可取的，因为它不那么严格，即你可能会在结果中找到意想不到的类型。

s = s.str[:-1].astype(float).fillna(s)

<强>结果

在这两种情况下，您都会找到：

print(s)

0    34.49881
1     0.00000
dtype: float64

Answer 3

您可以使用where

df.LATITUDE.where(df['LATITUDE'].str.len() == 9,df.LATITUDE.str[0:8])
Out[956]: 
0           0
1    38.72496
2    39.90272
3    38.72927
4    39.91152
5    39.84841
6           0
7           0
8           0
9    39.84941
Name: LATITUDE, dtype: object

Answer 4

除非您确信您的数据始终只包含一个半球（没有南半球），否则我不推荐使用子串方法，因为它会将（例如）39.2342N和39.2342S转换为相同的值。

相反，我会使用map将字符串转换为带有反映半球的符号的数字：

df['Fixed_Lat'] = df['LATITUDE'].map(lambda x: -float(x[:-1]) if x[-1] == 'S' else float(x[:-1]))