python - 当列可以具有混合类型时如何在 Pandas 中创建虚拟变量？

Question

How to create dummy variables in Pandas (Python 2.7) 已被多次询问，但我还不知道稳健且快速的解决方案。考虑这个数据框:

df=pd.DataFrame({'A':[1,2,-1,np.nan, 'rh']})
df
Out[9]: 
     A
0    1
1    2
2   -1
3  NaN
4   rh

是的，它有混合类型。大数据集总是发生(我有数百万行)

我需要创建虚拟变量，如果条件为真则为 1，否则为零。我假设如果 Pandas 不能执行逻辑比较(比如比较一个字符串是否大于某个实数)，我会得到一个零。看看这个:

df['dummy2']=(df.A > 0).astype(int)

df['dummy1']=np.where(df.A>0,1,0)

df
Out[12]: 
     A  dummy2  dummy1
0    1       1       1
1    2       1       1
2   -1       0       0
3  NaN       0       0
4   rh       1       1

显然这是有问题的。这里发生了什么？我怎样才能防止这些虚假标记？

非常感谢!

Answer 1

两种方法

In [37]: pd.to_numeric(df.A, errors='coerce').notnull() & (df.A > 0)
Out[37]:
0     True
1     True
2    False
3    False
4    False
Name: A, dtype: bool

In [38]: df.A.apply(np.isreal) & (df.A > 0)
Out[38]:
0     True
1     True
2    False
3    False
4    False
Name: A, dtype: bool

第三可能会很慢

In [39]: df.A.str.isnumeric().isnull() & (df.A > 0)
Out[39]:
0     True
1     True
2    False
3    False
4    False
Name: A, dtype: bool