我有一个熊猫数据框，其中包含一些非常过滤的数据df['Q53']OUTPUT:0 Hvor mange timer træner din virksomhed medarbe...3 NaN4 NaN5 NaN6 27 NaN8 109 NaN10 5011 NaN12 ?13 ?14 815 NaN16 217 018 119 120 521 7x3 timer22 NaN23 8 timer24 NaN25 026 827 NaN现在的问题是，我只想将整数留在列中，然后将它们转换为浮点数，这样我就可以对列进行一些数据可视化。我想知道我是否可以做一些标准化的过滤，但我无法让它工作。是否有一个操作，我可以过滤掉所有NaN和String值，只留下一个值，可以转换成一个float或int
2 回答
白衣非少年
TA贡献1155条经验 获得超0个赞
将值转换为数值，然后删除错误值：
df['Q53'] = pd.to_numeric(df['Q53'], errors='coerce')
df = df.dropna(subset=['Q53'])
print (df)
Q53
6 2.0
8 10.0
10 50.0
14 8.0
16 2.0
17 0.0
18 1.0
19 1.0
20 5.0
25 0.0
26 8.0
编辑：我建议不要使用eval，这里是提取数字x之间的解决方案，转换为浮点数和多个之间。
\d+然后用正则表达式中的模式提取并转换为数字的所有数字替换缺失值。
最后通过以下方式删除缺失值DataFrame.dropna：
dfx = df['Q53'].astype(str).str.extract('(\d+)x(\d+)').astype(float).prod(axis=1, min_count=1)
num = df['Q53'].astype(str).str.extract('(\d+)', expand=False)
df['Q53'] = dfx.fillna(pd.to_numeric(num, errors='coerce'))
df = df.dropna(subset=['Q53'])
print (df)
Q53
6 2.0
8 10.0
10 50.0
14 8.0
16 2.0
17 0.0
18 1.0
19 1.0
20 5.0
21 21.0
23 8.0
25 0.0
26 8.0
添加回答
举报
0/150
提交
取消