Question

我有一个要处理的熊猫数据框，以便“数量”列从字符串（“ hh.hh'hours'”）转换为int或float。

我想知道在这种情况下的最佳做法是什么。我尝试了pd.to_numeric（），但是没有成功。我认为我的问题在于每个字符串结尾处的“小时数”。

是否还有另一个函数可以识别数字字符，而只是忽略字符串的“小时”部分，还是在使用内置dtype转换函数（pd.to_numeric）之前首先需要修剪掉最后5个字符？谢谢！

           day  amount
2018-08-23  3   24.00 hours
2018-08-24  4   8.00 hours
2018-08-25  5   32.00 hours
2018-08-26  6   24.00 hours
2018-08-27  0   24.00 hours

Answer 1

只需使用字符串方法即可获取重要的数字。根据列的混乱程度或格式，有很多可用的选项：

import pandas as pd

df['amount'] = pd.to_numeric(df.amount.str.replace('hours', ''), downcast='integer')
# or 
df['amount'] = pd.to_numeric(df.amount.str[:-5], downcast='integer')
# or
df['amount'] = pd.to_numeric(df.amount.str.extract('(\d+\.?\d*)')[0], downcast='integer')

所有输出：

            day  amount
2018-08-23    3      24
2018-08-24    4       8
2018-08-25    5      32
2018-08-26    6      24
2018-08-27    0      24

Answer 2

根据数据的完整性，可以使用pd.to_timedelta将其转换为duration（timeDelta）：

>>>df.amount=pd.to_timedelta(df.amount)
>>>df

    date      day   amount
0   2018-08-23  3   1 days 00:00:00
1   2018-08-24  4   0 days 08:00:00
2   2018-08-25  5   1 days 08:00:00
3   2018-08-26  6   1 days 00:00:00
4   2018-08-27  0   1 days 00:00:00

Python Pandas将字符串转换为int / float

2 个答案: