熊貓將列轉換為整數不起作用

Question

我正在嘗試從dfA中刪除也在dfB 。

事情是dfA是對象類型，因此我嘗試將其轉換為int。 這是代碼：

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])]

這就是dfA的樣子

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

和dfB

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

我收到此錯誤：

ValueError：以10為基數的long（）的無效文字：'Goulding'

Answer 1

似乎有一些值-可能是字符串'Goulding' ，無法將其轉換為int。

您可以使用to_numeric並在有問題的值處獲取NaN：

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

在將整個列轉換為整數之前。

如果您還可以共享excel文件，我可以仔細看看。

Answer 2

對於此類錯誤，最好仔細觀察一下。

采用：

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

查找存在索引的索引並查看發生了什么。 然后創建一個過濾掉不良數據並將其應用於序列的函數。 如果遇到其他錯誤，請沖洗並重復。

例：

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

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