如何用pandas对象中的子串替换值？

Question

我在Latitude数据集中有坐标，每个数据集都以字母结尾（例如N）。

仅检索数字并替换原始值的最佳方法是什么？

我的尝试是：

raw['LATITUDE'] = raw.loc[(raw['LATITUDE'].str.len() == 9)].str[0:8]

但是我得到了一条AttributeError消息。

AttributeError: 'DataFrame' object has no attribute 'str'

我也尝试用正则表达式替换值，但我不确定如何使它成功。

我很感激任何建议，谢谢。

Answer 1

好的，让我们澄清一些事情：

1. 你好像在使用混合dtypes。 打印raw['LATITUDE'].apply(type).nunique()确认; 它应该> 1。

2. 您正在使用地理数据。 你的许多值都是无效的（0），我建议将其强制转换为NaN，因为它更有意义地表示丢失的数据

要解决您的问题，请尝试将所有内容添加到最后一个字符（ :-1 ）：

raw['LATITUDE'] = raw['LATITUDE'].str[:-1].astype(float)
raw

   LATITUDE
0       NaN
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6       NaN
7       NaN
8       NaN
9  39.84941

尽管您的列是混合dtypes，但这可以工作，因为str访问器旨在将非字符串行强制转换为NaN。

如果你想保留0（我不推荐），使用快速替换功能，如np.where ;

raw['LATITUDE'] = np.where(
    raw.LATITUDE.eq(0), 0, raw['LATITUDE'].str[:-1].astype(float)
)

raw
   LATITUDE
0   0.00000
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6   0.00000
7   0.00000
8   0.00000
9  39.84941

我不建议保留0的原因是因为使用NaN划分缺失数据而不是0来在语义上更有意义。

Answer 2

您的系列中似乎有dtype object混合类型。

选项1

你可以先尝试转换为带有errors='coerce'数字，然后在转换为float之前用fillna转换为最后一个字符：

s = pd.Series(['34.49881N', 0], dtype=object)

s = pd.to_numeric(s, errors='coerce').fillna(s.str[:-1].astype(float))

选项2

你也可以反过来工作。 这是不可取的，因为它不那么严格，即您可能在结果中发现意外类型。

s = s.str[:-1].astype(float).fillna(s)

结果

在这两种情况下，您都会发现：

print(s)

0    34.49881
1     0.00000
dtype: float64

Answer 3

你可以where使用

df.LATITUDE.where(df['LATITUDE'].str.len() == 9,df.LATITUDE.str[0:8])
Out[956]: 
0           0
1    38.72496
2    39.90272
3    38.72927
4    39.91152
5    39.84841
6           0
7           0
8           0
9    39.84941
Name: LATITUDE, dtype: object

Answer 4

除非您确信您的数据总是只包含一个半球（没有南半球），否则我不建议使用子串方法，因为它会将（例如）39.2342N和39.2342S转换为相同的值。

相反，我会使用map将字符串转换为带有反映半球的符号的数字：

df['Fixed_Lat'] = df['LATITUDE'].map(lambda x: -float(x[:-1]) if x[-1] == 'S' else float(x[:-1]))