python - 将函数应用于 Pandas 中除一列之外的所有列

Question

我希望将一个函数应用于 Pandas 中除一列之外的所有列，同时保持该列的原样。我有一个可以满足我需要的工作版本，但对于如此简单的事情来说似乎异常漫长。我想知道是否有更好的方法...

df = pd.DataFrame(columns = ['firstcol','secondcol','thirdcol'],
     data=[['a1',1,'a6.1'],['b2',3,'b9.3'],['c12',4,'c2']])

我的数据框由字符串和整数组成。每列都不包含特定类型，我希望进行标准化，以便所有列都是数字(整数或浮点数，因为我有一些十进制值)。所以，在上面的玩具数据中，我需要转换第一列和第三列，而不要理会第二列......

df.loc[:, df.columns != 'secondcol'] = df.loc[:, df.columns != 'secondcol'].applymap(lambda x: float(re.sub(r'[^\d.]','', x)))

为清楚起见，这一行:(1) 指定除了名为“secondcol”的列之外的所有内容，(2) 使用 applymap和 lambda函数删除非数字(或十进制)字符，以及 (3) 转换为浮点数。
这会产生所需的输出，但正如我所说的那样可读性不是很强。我是否偶然发现了执行此操作的最佳方法，还是有更简单的替代方法？

Answer 1

IIUC，您可以选择非数字数据类型列并替换它们的值:

non_numerics = df.select_dtypes(exclude="number").columns

df[non_numerics] = df[non_numerics].apply(lambda x: x.str.replace(r"[^\d.]", "").astype(float))

我用你的正则表达式替换了 applymap，但不是逐元素替换但按列使用 apply (如果您愿意，您可以使用您的线路更改为 applymap)。
要得到

>>> df

   firstcol  secondcol  thirdcol
0       1.0          1       6.1
1       2.0          3       9.3
2      12.0          4       2.0