如何在熊猫列中舍入/删除“ .0”零值？

Question

我正在尝试查看是否可以从此电话号码栏中删除结尾的零。

例：

0
1      8.00735e+09
2      4.35789e+09
3      6.10644e+09

此列中的类型是一个对象，我尝试将其取整，但出现错误。我检查了其中的几个，我知道它们的格式为“ 8007354384.0”，并希望除去带小数点的尾随零。

有时我会收到这种格式，有时却没有，它们将是整数。我想检查一下phone列是否有尾随零，然后将其删除。

我有这段代码，但我坚持如何检查每一行的尾随零。

data.ix[data.phone.str.contains('.0'), 'phone']

我收到一个错误=> *** ValueError: cannot index with vector containing NA / NaN values。我认为问题是因为某些行有空数据，有时我确实收到了。上面的代码应该能够跳过空行。

有人有什么建议吗？我是熊猫的新手，但到目前为止它是一个有用的库。您的帮助将不胜感激。

注意 上面提供的示例中，第一行包含一个空数据，有时我会这样做。只是要确保此电话号码未将其表示为0。

同样，空数据也被认为是字符串，因此如果行为空，则它是浮点数和字符串的混合。

Answer 1

在 Pandas/NumPy 中，整数不允许采用 NaN 值，并且数组/系列（包括数据帧列）的数据类型是同质的——因此有一列整数，其中某些条目是None/np.nan是完全不可能的。

编辑：data.phone.astype('object') 应该可以解决问题；在这种情况下，熊猫把你列了一系列通用的Python对象，而不是特定的数据类型（如str/ float/ int），以性能为代价，如果你打算（在你的情况可能不会）运行任何重计算这个数据.

假设您想保留这些 NaN 条目，您转换为字符串的方法是一种有效的可能性：

data.phone.astype(str).str.split('.', expand = True)[0]

应该给你你正在寻找的东西（你可以使用替代的字符串方法，比如.replaceor .extract，但.split在这种情况下似乎是最直接的）。

或者，如果您只对浮点数的显示感兴趣（我认为不太可能），您可以这样做pd.set_option('display.float_format','{:.0f}'.format)，这实际上不会影响您的数据。

Answer 2

import numpy as np
import pandas as pd

s = pd.Series([ None, np.nan, '',8.00735e+09,  4.35789e+09, 6.10644e+09])

s_new = s.fillna('').astype(str).str.replace(".0","",regex=False)
s_new

这里我用空字符串填充null值，将series转换为字符串类型，.0用空字符串替换。
这输出：

0              
1              
2              
3    8007350000
4    4357890000
5    6106440000
dtype: object

Answer 3

使用 astype(np.int64)

s = pd.Series(['', 8.00735e+09, 4.35789e+09, 6.10644e+09])
mask = pd.to_numeric(s).notnull()
s.loc[mask] = s.loc[mask].astype(np.int64)
s

0              
1    8007350000
2    4357890000
3    6106440000
dtype: object

Answer 4

cs95 的这个答案在一行中删除了尾随的“.0”。

df = df.round(decimals=0).astype(object)

Answer 5

做就是了

data['phone'] = data['phone'].astype(str)          
data['phone'] = data['phone'].str.replace('.0', ' ')

它对列中的所有条目使用正则表达式样式查找，并用空格替换任何“.0”匹配项。例如

data = pd.DataFrame(
    data = [['bob','39384954.0'],['Lina','23827484.0']], 
    columns = ['user','phone'], index = [1,2]
)

data['phone'] = data['phone'].astype(str)
data['phone'] = data['phone'].str.replace('.0', ' ')
print data

   user     phone
1   bob  39384954
2  Lina  23827484