在python中将类型从float转换为int

Question

我正在尝试将类型float64 data_df更改为int 。

data_df['grade'] = data_df['grade'].astype(int)

我收到以下错误。

以10为底的int（）无效文字：“ 17.44”

Answer 1

我认为您首先需要to_numeric因为无法将float为int ：

data_df['grade'] = pd.to_numeric(data_df['grade']).astype(int)

另一个解决方案是先转换为float然后转换为int ：

data_df['grade'] = data_df['grade'].astype(float).astype(int)

样品：

data_df = pd.DataFrame({'grade':['10','20','17.44']})
print (data_df)
   grade
0     10
1     20
2  17.44

data_df['grade'] = pd.to_numeric(data_df['grade']).astype(int)
print (data_df)
   grade
0     10
1     20
2     17

---

data_df['grade'] = data_df['grade'].astype(float).astype(int)
print (data_df)
   grade
0     10
1     20
2     17

---

如果某些值无法转换，并且在to_numeric之后得到错误：

ValueError：无法解析字符串

可以添加参数errors='coerce'来将非数字转换为NaN 。

如果NaN值则不能转换为int请参阅docs ：

data_df = pd.DataFrame({'grade':['10','20','17.44', 'aa']})
print (data_df)
   grade
0     10
1     20
2  17.44
3     aa

data_df['grade'] = pd.to_numeric(data_df['grade'], errors='coerce')
print (data_df)
   grade
0  10.00
1  20.00
2  17.44
3    NaN

如果要将NaN更改为某个数字，例如0使用fillna ：

data_df['grade'] = pd.to_numeric(data_df['grade'], errors='coerce')
                     .fillna(0)
                     .astype(int)
print (data_df)
   grade
0     10
1     20
2     17
3      0

小建议：

在使用errors='coerce'请检查所有无法通过boolean indexing转换为数字的行：

print (data_df[pd.to_numeric(data_df['grade'], errors='coerce').isnull()])
  grade
3    aa

Answer 2

有效的方法是data_df['grade'] = int(pd.to_numeric(data_df['grade']))方法as_type(int)抛出并出错，因为它想告诉您，从浮点数到整数的精确转换是不可能的您将丢失信息。 我的解决方案将截断整数（即1.9将变为1），因此您可能想在问题中指定是否要通过截断或舍入将float转换为整数（即​​1.9将变为2）

Answer 3

从：

data_df['grade'] = data_df['grade'].astype(int)

需要将int更改为'int'

data_df['grade'] = data_df['grade'].astype('int')

Answer 4

我发现这对我有用，其他先前的答案都对我没有帮助：

data_df['grade'] = data_df['grade'].apply(np.int)