如何将对象转换为数字

Question

我在 DataFrame 列之一中有非常不一致的数据：col112.013,1NaN20.3abc"12,5"200.9我需要对这些数据进行标准化，并在数值中找到一个最大值，该最大值应小于 100。这是我的代码：df["col1"] = df["col1"].apply(lambda x: float(str(x).replace(',', '.')) if x.isdigit() else x)num_temps = pd.to_numeric(df[col],errors='coerce')temps = num_temps[num_temps<10]print(temps.max())例如，当x为 float时它会失败AttributeError: 'float' object has no attribute 'isdigit'。

Answer 1

将值转换为stringby str(x)，但是为了测试，还需要替换.并,清空值以供使用isdigit：

df["col1"] = df["col1"].apply(lambda x: float(str(x).replace(',', '.')) if str(x).replace(',', '').replace('.', '').isdigit() else x)

但这里有可能将值转换为字符串，然后使用Series.str.replace：

num_temps = pd.to_numeric(df["col1"].astype(str).str.replace(',', '.'), errors='coerce')

print (df)

    col1

0   12.0

1   13.1

2    NaN

3   20.3

4    NaN

5   12.5

6  200.9

temps = num_temps[num_temps<100]

print(temps.max())

20.3

选择：

def f(x):

    try:

        return float(str(x).replace(',','.'))

    except ValueError:

        return np.nan

num_temps = df["col1"].apply(f)

print (num_temps)

0     12.0

1     13.1

2      NaN

3     20.3

4      NaN

5     12.5

6    200.9

Name: col1, dtype: float64

Answer 2

这有效：

df.replace(",", ".", regex=True).replace("[a-zA-Z]+", np.NaN, regex=True).dropna().max()