Pandas将字符串转换为int

Question

我有一个带ID号的大型数据框:

ID.head()
Out[64]: 
0    4806105017087
1    4806105017087
2    4806105017087
3    4901295030089
4    4901295030089

这些都是目前的所有字符串.

我想转换为int不使用循环 - 为此我使用ID.astype(int).

问题是我的一些行包含无法转换为的脏数据int,例如

ID[154382]
Out[58]: 'CN414149'

我怎样才能(不使用循环)删除这些类型的事件,以便我可以astype安心使用？

Answer 1

你需要添加参数errors='coerce'来起作用to_numeric:

ID = pd.to_numeric(ID, errors='coerce')

如果ID是列:

df.ID = pd.to_numeric(df.ID, errors='coerce')

但非数字转换为NaN,所以所有值都是float.

对于int需要转换NaN到一些值,例如,0然后转换为int:

df.ID = pd.to_numeric(df.ID, errors='coerce').fillna(0).astype(np.int64)

样品:

df = pd.DataFrame({'ID':['4806105017087','4806105017087','CN414149']})
print (df)
              ID
0  4806105017087
1  4806105017087
2       CN414149

print (pd.to_numeric(df.ID, errors='coerce'))
0    4.806105e+12
1    4.806105e+12
2             NaN
Name: ID, dtype: float64

df.ID = pd.to_numeric(df.ID, errors='coerce').fillna(0).astype(np.int64)
print (df)
              ID
0  4806105017087
1  4806105017087
2              0

Answer 2

1. 如果你来这里是因为你有

OverflowError: Python int too large to convert to C long

用于.astype('int64')64 位有符号整数：

df['ID'] = df['ID'].astype('int64')

如果您不想丢失其中包含字母的值，请使用str.replace()正则表达式模式来删除非数字字符。

df['ID'] = df['ID'].str.replace('[^0-9]', '', regex=True).astype('int64')

然后输入

0    4806105017087
1    4806105017087
2         CN414149
Name: ID, dtype: object

转换成

0    4806105017087
1    4806105017087
2           414149
Name: ID, dtype: int64