python - 更改 DataFrame 中的多列

Question

我是 Python 初学者，今天第一次涉足 Pandas。我想要做的是将几列从字符串转换为 float 。这是一个简单的示例:

import numpy as np
import pandas as pd

def convert(str):
    try:
        return float(str.replace(',', ''))
    except:
        return None

df = pd.DataFrame([
    ['A', '1,234', '456,789'],
    ['B', '1'    , '---'    ]
], columns=['Company Name', 'X', 'Y'])

我想将 X 和 Y 转换为 float 。现实中有更多的列，而且我并不总是知道 X 和 Y 的列名称，因此我必须使用整数索引。

这有效:

df.iloc[:, 1] = df.iloc[:, 1].apply(convert)
df.iloc[:, 2] = df.iloc[:, 2].apply(convert)

这不会:

df.iloc[:, 1:2] = df.iloc[:, 1:2].apply(convert)
# Error: could not broadcast input array from shape (2) into shape (2,1)

是否可以同时在多个列上应用 convert 函数？

Answer 1

你的逻辑有几个问题:

1. 切片 1:2 排除 2，与列表切片或 slice 对象语法一致。请改用 1:3。
2. 通过 pd.Series.apply 将逐元素函数应用于序列。要将逐元素函数应用于数据框，您需要 pd.DataFrame.applymap 。
3. 从不影子内置函数:使用 mystr 或 x 而不是 str 作为变量或参数名称.
4. 当您使用 try/ except 构造时，通常应指定错误类型，在本例中为 ValueError。<

因此，这是一种解决方案:

def convert(x):
    try:
        return float(x.replace(',', ''))
    except ValueError:
        return None

df.iloc[:, 1:3] = df.iloc[:, 1:3].applymap(convert)

print(df)

  Company Name     X       Y
0            A  1234  456789
1            B     1     NaN

但是，您的逻辑效率低下:您应该尽可能利用按列操作。这可以通过 pd.DataFrame.apply 以及应用于每个系列的 pd.to_numeric 来实现:

def convert_series(x):
    return pd.to_numeric(x.str.replace(',', ''), errors='coerce')

df.iloc[:, 1:3] = df.iloc[:, 1:3].apply(convert_series)

print(df)

  Company Name     X       Y
0            A  1234  456789
1            B     1     NaN