我在 DataFrame 列之一中有非常不一致的數(shù)據(jù)：col112.013,1NaN20.3abc"12,5"200.9我需要對這些數(shù)據(jù)進行標準化，并在數(shù)值中找到一個最大值，該最大值應小于 100。這是我的代碼：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，當x為 float時它會失敗AttributeError: 'float' object has no attribute 'isdigit'。
2 回答
喵喵時光機
TA貢獻1846條經驗 獲得超7個贊
將值轉換為stringby str(x)，但是為了測試，還需要替換.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)
但這里有可能將值轉換為字符串，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
選擇：
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
四季花海
TA貢獻1811條經驗 獲得超5個贊
這有效：
df.replace(",", ".", regex=True).replace("[a-zA-Z]+", np.NaN, regex=True).dropna().max()
添加回答
舉報
0/150
提交
取消