将数据框的所有数字列转换为绝对值

Question

我想将数据框中的所有数字列转换为它们的绝对值，并且正在执行以下操作：

df = df.abs()

但是，它给出了错误：

*** TypeError: bad operand type for abs(): 'unicode'

如何解决这个问题？我真的不想手动指定列名

Answer 1

你可以使用np.issubdtype检查你列的D型是np.number或不是apply。使用@Amy Tavory 示例：

df = pd.DataFrame({'a': ['-1', '2'], 'b': [-1, 2]})
res = df.apply(lambda x: x.abs() if np.issubdtype(x.dtype, np.number) else x)

In [14]: res
Out[14]:
    a  b
0  -1  1
1   2  2

或者你可以np.dtype.kind用来检查你的 dtype 是否是数字：

res1 = df.apply(lambda x: x.abs() if x.dtype.kind in 'iufc' else x)


In [20]: res1
Out[20]:
    a  b
0  -1  1
1   2  2

注意：您可能还对NumPy dtype 层次结构感兴趣

Answer 2

比现有答案更快，而且更切题：

df.update(df.select_dtypes(include=[np.number]).abs())

（小心：我注意到，当有一个不平凡的多重索引update时，有时不会做任何事情。一旦我弄清楚问题出在哪里，我就会更新这个答案。这对于平凡的范围索引来说绝对有效）df

Answer 3

借用这个问题的答案，选择数字列怎么样？

假设你从

df = pd.DataFrame({'a': ['-1', '2'], 'b': [-1, 2]})
>>> df        
    a   b
0   -1  -1
1   2   2

然后就做

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
for c in [c for c in df.columns if df[c].dtype in numerics]:
    df[c] = df[c].abs()
>>> df
    a   b
0   -1  1
1   2   2