python - 如何用 Pandas 对象中的子字符串替换值？

Question

我在 Latitude 数据集中有坐标，每个坐标都以字母(例如 N)结尾。

仅检索数字并替换原始值的最佳方法是什么？

我的尝试是:

raw['LATITUDE'] = raw.loc[(raw['LATITUDE'].str.len() == 9)].str[0:8]

但是我收到一条 AttributeError 消息。

AttributeError: 'DataFrame' object has no attribute 'str'

我也尝试用正则表达式替换这些值，但我不确定如何让它成功。

如果有任何建议，我将不胜感激。

Answer 1

好吧，让我们澄清一些事情:

1. 您似乎在使用混合数据类型。打印出raw['LATITUDE'].apply(type).nunique()确认；它应该 > 1。

2. 您正在处理地理数据。您的很多值都是无效的(0)，我建议将其强制转换为 NaN，因为这更有意义地表示缺失数据

要解决您的问题，请尝试获取最后一个字符 (:-1) 之前的所有内容:

raw['LATITUDE'] = raw['LATITUDE'].str[:-1].astype(float)
raw

   LATITUDE
0       NaN
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6       NaN
7       NaN
8       NaN
9  39.84941

这有效尽管您的列是混合数据类型，因为str 访问器旨在将非字符串行强制转换为 NaN。

如果您希望保留 0(我不推荐这样做)，请使用像 np.where 这样的快速替换函数；

raw['LATITUDE'] = np.where(
    raw.LATITUDE.eq(0), 0, raw['LATITUDE'].str[:-1].astype(float)
)

raw
   LATITUDE
0   0.00000
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6   0.00000
7   0.00000
8   0.00000
9  39.84941

我不建议保留 0 的原因是因为使用 NaN 来划分缺失数据而不是 0 在语义上更有意义。