Pandas - 如何在 DataFrame 系列中用零值替換字符串？

Question

我正在將一些 csv 數據導入 Pandas DataFrame（在 Python 中）。 一個系列意味着所有數值。 但是，它還包含一些以字符串表示的虛假“$-”元素。 這些是從以前的格式中遺留下來的。 如果我只是導入該系列，Pandas 會將其報告為一系列“對象”。

用零替換這些“$-”字符串的最佳方法是什么？ 或者更一般地說，如何用數值替換系列中的所有字符串（主要是數字），並將系列轉換為浮點類型？

• 史蒂夫

Answer 1

您可以使用DataFrame的convert_objects方法，使用convert_numeric=True將字符串更改為NaNs

從文檔：

convert_numeric ：如果為 True，則嘗試強制轉換為數字（包括字符串），不可轉換的值變為 NaN。

In [17]: df
Out[17]: 
    a   b  c
0  1.  2.  4
1  sd  2.  4
2  1.  fg  5

In [18]: df2 = df.convert_objects(convert_numeric=True)

In [19]: df2
Out[19]: 
    a   b  c
0   1   2  4
1 NaN   2  4
2   1 NaN  5

最后，如果要將這些NaNs轉換為0 ，可以使用df.replace

In [20]: df2.replace('NaN',0)
Out[20]: 
   a  b  c
0  1  2  4
1  0  2  4
2  1  0  5

Answer 2

使用Series.str.replace和Series.astype

df = pd.Series(['2$-32$-4','123$-12','00123','44'])
df.str.replace(r'\$-','0').astype(float)

0    203204
1    123012
2       123
3        44
dtype: float64

Answer 3

使用.to_numeric將字符串轉換為數字（使用錯誤選項 'coerce' 將字符串設置為NaN ）：

df = pd.to_numeric(df, errors='coerce')

然后使用替換將NaN值轉換為零：

df.replace('NaN',0)