df
A B
0 a=10 b=20.10
1 a=20 NaN
2 NaN b=30.10
3 a=40 b=40.10
Я пытался:
df['A'] = df['A'].str.extract('(\d+)').astype(int)
df['B'] = df['B'].str.extract('(\d+)').astype(float)
Но я получаю следующую ошибку:
ValueError: невозможно преобразовать float NaN в integer
А также:
AttributeError: может использовать только.str accessor со строковыми значениями, которые используют np.object_ dtype в pandas
Как это исправить?
Если некоторые значения в столбце отсутствуют (NaN), а затем преобразуются в числовые, всегда dtype является float. Вы не можете преобразовать значения в int. Только float, потому что type NaN float.
print (type(np.nan))
<class 'float'>
См. Документы, как конвертировать значения, если хотя бы один NaN:
integer> cast to float64
Если вам нужны значения int, вам нужно заменить NaN на некоторый int, например 0 fillna а затем он отлично работает:
df['A'] = df['A'].str.extract('(\d+)', expand=False)
df['B'] = df['B'].str.extract('(\d+)', expand=False)
print (df)
A B
0 10 20
1 20 NaN
2 NaN 30
3 40 40
df1 = df.fillna(0).astype(int)
print (df1)
A B
0 10 20
1 20 0
2 0 30
3 40 40
print (df1.dtypes)
A int32
B int32
dtype: object
Принятое решение работает, если вы не возражаете заполнить пустые ячейки значением, равным нулю. В некоторых случаях пробелы должны оставаться пустыми и не должны заполняться каким-либо числом. В этом случае, если вы замените значения np.nan значениями None, а затем выполните astype (int), он будет работать, и вы сохраните пробелы:
df['A'] = df.A.replace(np.nan,None).astype(int)