Question

我想在列表中格式化一堆数字。最简单的方法是先将其转换为一串字符串。这是我如何执行此操作的示例：

df[col_name].astype('str').tolist()

但是，与此有关的问题是我得到了诸如以下的值：

['12.19', '13.99', '1.00', 'nan', '9.00']

有没有一种方法可以将'nan'值返回为None或空字符串，例如：

['12.19', '13.99', '1.00', None, '9.00']

或者：

['12.19', '13.99', '1.00', '', '9.00']

我将如何做这两个？

Answer 1

尝试使用fillna（）

df[col_name].fillna('').astype('str').tolist()

Answer 2

这是一个独特的要求，我相信最好通过列表理解来解决：

df[col_name]
0    12.19
1    13.99
2     1.00
3      NaN
4     9.00
dtype: float64

[str(v_) if pd.notna(v_) else None for v_ in df[col_name]]
# ['12.19', '13.99', '1.0', None, '9.0']

如果您希望将值填充为空白，那同样简单：

[str(v_) if pd.notna(v_) else '' for v_ in df[col_name]]
# ['12.19', '13.99', '1.0', '', '9.0']

Answer 3

您可以执行以下操作：

df[col_name].fillna('').astype('str').tolist()

OR

l = df[col_name].astype('str').tolist()

用None替换上面创建的列表中的空元素：

list(map(lambda x: float(x) if x else None, l))

Answer 4

您可以尝试这样。

第一种方式：

>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else None).tolist()
['12.19', '13.99', '1.00', None, '9.00']
>>>
>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else '').tolist()
['12.19', '13.99', '1.00', '', '9.00']
>>>

第二种方式：

>>> df[col_name].apply(lambda v: str(v) if not pd.isnull(v) else None).tolist()
['12.19', '13.99', '1.00', None, '9.00']
>>>
>>> df[col_name].apply(lambda v: str(v) if not pd.isnull(v) else '').tolist()
['12.19', '13.99', '1.00', '', '9.00']
>>>

这是详细说明。

>>> import pandas as pd
>>> import numpy as np
>>>
>>> df = pd.DataFrame({
... "fullname": ['P Y', 'P T', 'T Y', 'N A', 'P Z'],
... "age": [36, 80, 25, 8, 34],
... "salary": ['12.19', '13.99', '1.00', np.nan, '9.00']
... })
>>>
>>> df
  fullname  age salary
0      P Y   36  12.19
1      P T   80  13.99
2      T Y   25   1.00
3      N A    8    NaN
4      P Z   34   9.00
>>>
>>> # PROBLEM
...
>>> col_name = "salary"
>>> df[col_name].astype("str").tolist()
['12.19', '13.99', '1.00', 'nan', '9.00']
>>>
>>> # SOLUTION
...
>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else None)
0    12.19
1    13.99
2     1.00
3     None
4     9.00
Name: salary, dtype: object
>>>
>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else '')
0    12.19
1    13.99
2     1.00
3
4     9.00
Name: salary, dtype: object
>>>
>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else None).tolist()
['12.19', '13.99', '1.00', None, '9.00']
>>>
>>> df[col_name].apply(lambda v: str(v) if str(v) != 'nan' else '').tolist()
['12.19', '13.99', '1.00', '', '9.00']
>>>
>>> df[col_name].apply(lambda v: str(v) if not pd.isnull(v) else None).tolist()
['12.19', '13.99', '1.00', None, '9.00']
>>>
>>> df[col_name].apply(lambda v: str(v) if not pd.isnull(v) else '').tolist()
['12.19', '13.99', '1.00', '', '9.00']
>>>

Answer 5

使用df.astype(str, skipna=True)，它将跳过所有NA类型。

示例：

import pandas as pd
df=pd.Series([12.19, 13.99, 1.00, None, 9.00])
print(df.astype(str, skipna=True).to_list())
pd.isna(df.astype(str, skipna=True))

输出：

['12.19', '13.99', '1.0', nan, '9.0']
0    False
1    False
2    False
3     True
4    False
dtype: bool

如果您确实需要将其设置为None而不是np.nan，请添加df=df.where(pd.notnull(df), None)。

示例：

df=pd.Series([12.19, 13.99, 1.00, None, 9.00])
df=df.astype(str, skipna=True)
df=df.where(pd.notnull(df), None)
print(df.to_list())

输出：

['12.19', '13.99', '1.0', None, '9.0']

注意： 在熊猫1.0版中，skipna参数从.astype()消失了，该问题当前于2020年2月6日开放。

astype(str) / astype_unicode: np.nan converted to "nan" (checknull, skipna)

Series.astype(str, skipna=True) vanished in the 1.0 release

Answer 6

创建列表后，您可以尝试删除nan值。

true

我对熊猫一无所知，所以这可能不是最好的解决方案。

Answer 7

.isalpha()将起作用：

l = ['12.19', '13.99', '1.00', 'nan', '9.00']
print([None if i.isalpha() else i for i in l])

['12.19'，'13 .99'，'1.00'，无，'9.00']

将列转换为字符串，保留NaN（为None或空白）

7 个答案: