如何从浮点数中删除字符？

Question

我目前有一个如下所示的数据框：

   Idnumber    Ownership    Date
    1            100        2006
    2            >50        2006 
    1            80         2007
    3            NaN        2006

所有权列当前为浮动类型。我想要的是在 idnumber 上创建一个 groupby 函数，该函数返回每个 Idnumber 的最大值。问题是，对于 > < 或 ± 之类的东西，这是不可能的（错误：无法排序的类型：float() >= str()）。

  df['Ownership'] = df['Ownership'].astype(str)
  df['Ownership'] = df['Ownership'].map(lambda x: x.strip('± = > + <'))
  df['Ownership'] = df['Ownership'].astype(float).fillna(0.0)
  df['Ownershipadjusted']= df['Ownership'].groupby([df['Idnumber'],df['Ownership']]).max()

实际上不会工作，因为将其转换回浮点数会产生错误：无法将字符串转换为浮点数。

         df['Ownership'] = df['Ownership'].apply(pd.to_numeric, errors='coerce')

也没有达到要求的效果。是否有一些更直接的方法可以从浮点数中删除符号，或者使这种转换有效？

为了避免混淆，这就是我需要的：

 Idnumber    Ownership    Date      Ownership adjusted
    1            100       2006      100
    2            50        2006       50
    1            80        2007      100
    3            0         2006        0

当然，数据框包含的观察值远不止 4 个

Answer 1

将dtypetostr和extract数字投射dtype到float:

In [215]:
df['Ownership'] = df['Ownership'].astype(str).str.extract('(\d+)').astype(float)
df

Out[215]:
   Idnumber  Ownership  Date
0         1        100  2006
1         2         50  2006
2         1         80  2007
3         3        NaN  2006

你的groupby陈述也是错误的，你需要这个：

In [218]:
df['Ownershipadjusted']= df.groupby(['Idnumber'])['Ownership'].transform('max')
df

Out[218]:
   Idnumber  Ownership  Date  Ownershipadjusted
0         1        100  2006                100
1         2         50  2006                 50
2         1         80  2007                100
3         3        NaN  2006                NaN