在python中將類型從float轉換為int

Question

我正在嘗試將類型float64 data_df更改為int 。

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

我收到以下錯誤。

以10為底的int（）無效文字：“ 17.44”

Answer 1

我認為您首先需要to_numeric因為無法將float為int ：

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

另一個解決方案是先轉換為float然后轉換為int ：

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

樣品：

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

---

如果某些值無法轉換，並且在to_numeric之后得到錯誤：

ValueError：無法解析字符串

可以添加參數errors='coerce'來將非數字轉換為NaN 。

如果NaN值則不能轉換為int請參閱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

如果要將NaN更改為某個數字，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

小建議：

在使用errors='coerce'請檢查所有無法通過boolean indexing轉換為數字的行：

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)拋出並出錯，因為它想告訴您，從浮點數到整數的精確轉換是不可能的您將丟失信息。 我的解決方案將截斷整數（即1.9將變為1），因此您可能想在問題中指定是否要通過截斷或舍入將float轉換為整數（即​​1.9將變為2）

Answer 3

從：

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

需要將int更改為'int'

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

Answer 4

我發現這對我有用，其他先前的答案都對我沒有幫助：

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