熊猫将列转换为整数不起作用

Question

我正在尝试从dfA中删除也在dfB 。

事情是dfA是对象类型，因此我尝试将其转换为int。 这是代码：

dfA = pd.read_excel('small_file.xlsx',header=None)
dfB = pd.read_csv('large_file.csv',header=None)

dfA = dfA.convert_objects(convert_numeric=True)
dfA[0] = pd.to_numeric(dfA[0],errors='coerce')
dfA = dfA.dropna()

# converting to int
dfA[0] = dfA[0].astype(int) # THIS line gets error


df_output = dfA[~dfA[0].isin(dfB[0])]

这就是dfA的样子

                0
0       2293365227
1       3045897298
2       8162414592
3       9312969810
...            ...

和dfB

               0
0          2030000000
1          2030156119
2          2030389149
...            ...

我收到此错误：

ValueError：以10为基数的long（）的无效文字：'Goulding'

Answer 1

似乎有一些值-可能是字符串'Goulding' ，无法将其转换为int。

您可以使用to_numeric并在有问题的值处获取NaN：

dfA[0] = pd.to_numeric(dfA[0], errors='coerce')

在将整个列转换为整数之前。

如果您还可以共享excel文件，我可以仔细看看。

Answer 2

对于此类错误，最好仔细观察一下。

采用：

dfA.loc[dfA[0].str.contains('Goulding')]

查找存在索引的索引并查看发生了什么。 然后创建一个过滤掉不良数据并将其应用于序列的函数。 如果遇到其他错误，请冲洗并重复。

例：

def replace_str(x):
     return re.search('\d+',x).group(0)

dfA[0] = dfA[0].apply(replace_str)