python - 如何将对象转换为数值

Question

我的 DataFrame 列之一中的数据非常不一致:

col1
12.0
13,1
NaN
20.3
abc
"12,5"
200.9

我需要对这些数据进行标准化，并找到数值中的最大值，该最大值应该小于 100。

这是我的代码:

df["col1"] = df["col1"].apply(lambda x: float(str(x).replace(',', '.')) if x.isdigit() else x)
num_temps = pd.to_numeric(df[col],errors='coerce')
temps = num_temps[num_temps<10]
print(temps.max())

例如，当 x 为 float AttributeError: 'float' object has no attribute 'isdigit' 时，它会失败。

Answer 1

通过 str(x) 将值转换为 string，但是为了测试，还需要替换 . 和 , 为空值以供使用 isdigit:

df["col1"] = df["col1"].apply(lambda x: float(str(x).replace(',', '.')) if str(x).replace(',', '').replace('.', '').isdigit() else x)

但是这里可以将值转换为字符串，然后使用 Series.str.replace :

num_temps = pd.to_numeric(df["col1"].astype(str).str.replace(',', '.'), errors='coerce')
print (df)
    col1
0   12.0
1   13.1
2    NaN
3   20.3
4    NaN
5   12.5
6  200.9

temps = num_temps[num_temps<100]
print(temps.max())
20.3

替代方案:

def f(x):
    try:
        return float(str(x).replace(',','.'))
    except ValueError:
        return np.nan

num_temps = df["col1"].apply(f)
print (num_temps)

0     12.0
1     13.1
2      NaN
3     20.3
4      NaN
5     12.5
6    200.9
Name: col1, dtype: float64