转换pandas数据框中包含nan、连字符和逗号的列的数据类型

Question

df = pd.read_csv("data.csv", encoding = "ISO-8859-1")

现在，我有一个列，其中的值如下：

参考样本数据：

现在，我想使用以下代码将列 a 转换为数字格式：

df[['A']] = df[['A']].astype(int)

它给了我一个错误。问题是我将所有三个（nan、连字符和逗号）都放在一列中，并且需要一起解决它们。有没有更好的方法来转换这些而不用替换（nan 到 -1）之类的东西？

Answer 1

使用参数thousands和na_values，但在缺少值的情况下无法转换为整数，因为现在至少有一个NaN值将列转换为floats，请参阅此。因此，可能的解决方案是将它们替换为 int，例如-1，然后转换为整数：

注意 - 在新版本的 pandas（0.24.0，即将推出）中，pandas 获得了保存缺失值的整数数据类型（Nullable Integer Data Type）的能力。

import pandas as pd

temp=u'''A
2254
"1,234"
"3,385"
nan
-
-
nan'''
#after testing replace 'pd.compat.StringIO(temp)' to 'data.csv'
df = pd.read_csv(pd.compat.StringIO(temp), 
                 encoding = "ISO-8859-1", 
                 thousands=',', 
                 na_values='-')

print (df)
        A
0  2254.0
1  1234.0
2  3385.0
3     NaN
4     NaN
5     NaN
6     NaN

df['A'] = df['A'].fillna(-1).astype(int)
print (df)
      A
0  2254
1  1234
2  3385
3    -1
4    -1
5    -1
6    -1