Question

此列：

x['bags']

具有此：

我想将其转换为int，因为它是一种对象类型。

我想像这样在groupby中使用它：

x.groupby(['user'])['bags'].sum()

并给出：

TypeError ： +不支持的操作数类型：“ int”和“ str”

因此将其转换为int即可解决此问题。试过这个：

x['bags'].astype(str).astype(int)

但破折号有问题。

ValueError：以10为底的int（）的无效文字：'-'

Answer 1

将to_numeric与errros=coerce一起用于将非数字转换为NaN s，并将另一个值转换为float s（因为NaN为float设计），然后将sum与列x['user']聚合：

x = pd.DataFrame({'bags': ['1', '34', '12', '13', '3', '12', '-', '11', '1'], 
                  'user': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b']})
print (x)
  bags user
0    1    a
1   34    a
2   12    a
3   13    a
4    3    b
5   12    b
6    -    b
7   11    b
8    1    b

df = pd.to_numeric(x['bags'], errors='coerce').groupby(x['user']).sum().reset_index()
print (df)
  user  bags
0    a  60.0
1    b  27.0

详细信息：

print (pd.to_numeric(x['bags'], errors='coerce'))
0     1.0
1    34.0
2    12.0
3    13.0
4     3.0
5    12.0
6     NaN
7    11.0
8     1.0
Name: bags, dtype: float64

将具有数字和一些破折号的列转为int？

1 个答案: