python - 转换 pandas 数据框中包含 nan、连字符和逗号的列的数据类型

Question

df = pd.read_csv("data.csv", encoding = "ISO-8859-1")

现在，我有一列值如下:

供引用的示例数据:

现在，我想使用以下代码将列 a 转换为数字格式:

df[['A']] = df[['A']].astype(int)

它给了我一个错误。问题是我将所有三个(nan、连字符和逗号)都放在一栏中，需要一起解决。有没有更好的方法来转换这些而不用替换(nan 到 -1)和类似的东西？

Answer 1

使用参数 thousands 和 na_values，但是对于缺失值无法转换为整数，因为现在至少有一个 NaN 值转换列到 float，参见 this .所以可能的解决方案是将它们替换为 int，例如-1 然后转换为整数:

注意 - 在新版本的 pandas(0.24.0，即将推出)中，pandas 已经获得了保存具有缺失值的整数数据类型的能力，Nullable Integer Data Type .

import pandas as pd

temp=u'''A
2254
"1,234"
"3,385"
nan
-
-
nan'''
#after testing replace 'pd.compat.StringIO(temp)' to 'data.csv'
df = pd.read_csv(pd.compat.StringIO(temp), 
                 encoding = "ISO-8859-1", 
                 thousands=',', 
                 na_values='-')

print (df)
        A
0  2254.0
1  1234.0
2  3385.0
3     NaN
4     NaN
5     NaN
6     NaN

---

df['A'] = df['A'].fillna(-1).astype(int)
print (df)
      A
0  2254
1  1234
2  3385
3    -1
4    -1
5    -1
6    -1