Question

我有带有浮动街道编号的DF，有时是“ NaN”或“ x-y”（例如：30-32），但经常是x.y（例如：32.0而不是30）我需要将其更改为int（当然，如果课程号中没有“-”）。我已经尝试过

chunk.loc["-" not in chunk["Street Number"] & chunk["Street Number"].notna(), 'Street Number'] = chunk["Street Number"].astype(int)

我知道在我的“ =”符号后出现问题。请问如何有条件地用自己的值更新数据框值？我也尝试过

chunk[["Street Number"]].astype(int)

没有错误

DF的样本：

0 | NaN

1 | 1.0

2 | 6.0

3 | 170.0

4 | 61.0

5 | 51-52

我尝试强制使用dtype“街道编号”：np.uint16，但出现ValueError：Integer列在第12列中具有NA值

Answer 1

使用更改后的Cedric H. solution，但输出中是混合的字符串，整数，浮点数（NaN）：

def convert_street_number_values(x):
    try:
        x = float(x)
        if x.is_integer():
            return int(x)
        else:
            return x
    except Exception:
        return x

chunk = pd.DataFrame({'Street Number':[np.nan, '1.0', '6.0', '170.0', '61.0', '51-52']})

chunk['Street Number'] = chunk['Street Number'].apply(convert_street_number_values)
print (chunk)
  Street Number
0           NaN
1             1
2             6
3           170
4            61
5         51-52

编辑：

问题是，如果有多个不同的组-熊猫会将列转换为整数，但是如果至少有一个NaN的值，它将转换回floats。

适用于所有数据的解决方案正在转换为strings：

def convert_street_number_values(x):
    try:
        x = float(x)
        if x.is_integer():
            return str(int(x))
        else:
            return str(x)
    except Exception:
        return str(x)

因为可以使用Nullable Integer Data Type转换为缺少值的整数：

chunk['Street Number'] = chunk['Street Number'].astype('Int64')

，但如果至少为字符串值，则失败。

因此，如果将所有非数字都转换为NaN，则可以正常工作：

chunk['Street Number'] = pd.to_numeric(chunk['Street Number'], errors='coerce').astype('Int64')

Answer 2

我会做这样的事情：

def convert_street_number_values(v):
    # Add more complex 'rules' as you need
    try:
        return int(v)
    except Exception:
        return v

df['Steet Number'].apply(convert_street_number_values)

有条件地使用自己的值更新数据框值

2 个答案: