如何检查float pandas列是否只包含整数？

Question

我有一个数据帧

df = pd.DataFrame(data=np.arange(10),columns=['v']).astype(float)

如何确保数字v是整数？我非常关心舍入/截断/浮点表示错误

Answer 1

与...比较 astype(int)

暂时将您的列转换为int并测试np.array_equal:

np.array_equal(df.v, df.v.astype(int))
True

float.is_integer

您可以将此python函数与以下内容结合使用apply:

df.v.apply(float.is_integer).all()
True

或者,all在生成器理解中使用python ,以提高空间效率:

all(x.is_integer() for x in df.v)
True

Answer 2

这是一种更简单且可能更快的方法：

(df[col] % 1  == 0).all()

忽略空值：

(df[col].fillna(-9999) % 1  == 0).all()

Answer 3

如果要检查数据框中的多个浮点列，可以执行以下操作：

col_should_be_int = df.select_dtypes(include=['float']).applymap(float.is_integer).all()
float_to_int_cols = col_should_be_int[col_should_be_int].index
df.loc[:, float_to_int_cols] = df.loc[:, float_to_int_cols].astype(int)

请记住，包含所有整数的浮点列如果具有np.NaN值则不会被选中。要将具有缺失值的浮点列转换为整数，您需要填充/删除缺失值，例如，使用中值插补：

float_cols = df.select_dtypes(include=['float'])
float_cols = float_cols.fillna(float_cols.median().round()) # median imputation
col_should_be_int = float_cols.applymap(float.is_integer).all()
float_to_int_cols = col_should_be_int[col_should_be_int].index
df.loc[:, float_to_int_cols] = float_cols[float_to_int_cols].astype(int)

Answer 4

为了完整起见，Pandas v1.0+提供了convert_dtypes()实用程序，该实用程序（以及其他 3 个转换）对仅包含整数的所有数据帧列（或系列）执行请求的操作。

如果您想将转换限制为仅单个列，您可以执行以下操作：

>>> df.dtypes          # inspect previous dtypes
v                      float64

>>> df["v"] = df["v"].convert_dtype()
>>> df.dtypes          # inspect converted dtypes
v                      Int64