在 pandas 中将数字数据框转换为整数时出错——“只能将整数标量数组转换为标量索引”

Question

我有一个大数据集，正在尝试将仅包含数字数据的“对象”列转换为 python/pandas 中的“整数”数据类型。对于我尝试的每个代码，我都收到以下错误：CODE SNIPPET (see below for options I have tried)PATH/frame.py in __setiten__(self, key, value)     3482              self._setitem_frame(key, value)     3483         elif isinstance(key, (Series, np.ndarray, list, Index)):  -->3484              self._setiten_array(key, value)     3485         else: PATH/frame.py in _setitem_array(self, key, value)     3507                  raise ValueError("Columns must be same length as key")     3508              for k1, k2 in zip(key, value.columns):  -->3509                  self[k1] = value[k2]     3510           else:      3511              indexer = self.loc._convert_to_indexer(key, axis=1)    PATH/frame.py in __setitem__(self, key, value)     3485         else:      3486             #set column  -->3487             self._set_item(key, value)     3488     3489    def _setitem_slice(self, key, value):PATH/frame.py in _set_item(self, key, value)     3562     3563     self._ensure_valid_index(value)  -->3564     value = self._sanitize_column(key, value)     3565     NDFrame._set_item(self, key, value)PATH/frame.py in _sanitize_column(self, key, value, broadcast)     3778     if broadcast and key in self.columns and value.ndim == 1:      3780         if not self.columns.is_unique or isinstance(self.columns, MultiIndex):  -->3781             existing_piece = self[key]     3782             if isinstance(existing_piece, DataFrame):     3783                 value = np.tile(value, (len(existing_piece.columns), 1))PATH/frame.py in __getitem__(self, key)     2971     if self.columns.nlevels > 1:     2972          return self.getitem_multilevel(key)  -->2973     return self.__get_item_cache(key_     2974     2975     # Do we have a slicer (on rows)?

Answer 1

尝试这个：

for col in ["column1", "column 2", "column 3", "column 4"]:

    # df[col].reshape((1,-1))

    df[col] = [int(n) for n in df[col]]

Answer 2

我找到了答案。问题可能是我正在使用 Oracle 数据库连接，我不确定。如果有人有更简单的方法在 Python 中执行此操作，我仍然很乐意听到更多评论，但我是这样做的：

#coerce stores all non-convertible values as NA and ignore keeps original values, so column may have mixed data types. 

df['column names'] = df[['column names']].apply(pd.to_numeric, errors = 'coerce').fillna(df)

请注意，对非数字项目使用强制可能会删除其数据并将其切换为 NA。:) 这虽然有效！