Question

我读了一个带有重复索引的csv，像这样的熊猫：

data = pd.read_csv('/home/dev/PycharmProjects/test/download.csv', 
parse_dates=True, index_col=['DATE'], low_memory=False)
print(data.info(memory_usage = 'deep'))
data_extracted = data.groupby(['DATE','ARTICLENO'])['QUANTITY'].sum().unstack()
data_extracted = data_extracted.fillna(value=np.nan)

我的csv在特定日期为商品编号提供以下条目：

Quantity, Date
378 2015-01-05 00:00:00.0
450 2015-01-05 00:00:00.0
378 2015-01-05 00:00:00.0
270 2015-01-05 00:00:00.0
432 2015-01-05 00:00:00.0
828 2015-01-05 00:00:00.0

数据帧缩短到特定时间范围：

data_extracted = data_extracted.loc['2015-01-01' : '2015-12-31']

然后打印。对于特定的文章编号，我得到以下列：

2015-01-05 00:00:00.0    378450378270432828

当我使用csv的较小部分（例如nrows = 1000000）时，我没有此效果。谁能解释我为什么会这样？在进行groupby时，我已经检查了sum（），但是我永远都无法达到这么大的值，并且数据框中的大值对于csv中找到的所有日期都是连续的。

Answer 1

列中有字符串，因此请尝试转换为float：

data['QUANTITY'] = data['QUANTITY'].astype(float)

如果要转换多列：

cols = ['QUANTITY','Another col']
data[cols] = data[cols].astype(float)

如果要转换所有列：

data = data.astype(float)

如果上述解决方案失败，请使用to_numeric：

data['QUANTITY'] = pd.to_numeric(data['QUANTITY'], errors='coerce')

熊猫read_csv值错误

1 个答案: