使用逗号和负数将Pandas Dataframe转换为Float
仲学真
问题内容：
问题答案：
我已经阅读了几篇有关如何使用pd.to_numeric以及applymap（locale.atof）将Pandas列转换为float的文章。
我遇到了都不起作用的问题。
注意原始数据框是dtype：Object
df.append(df_income_master[", Net"])
Out[76]:
Date
2016-09-30 24.73
2016-06-30 18.73
2016-03-31 17.56
2015-12-31 29.14
2015-09-30 22.67
2015-12-31 95.85
2014-12-31 84.58
2013-12-31 58.33
2012-12-31 29.63
2016-09-30 243.91
2016-06-30 230.77
2016-03-31 216.58
2015-12-31 206.23
2015-09-30 192.82
2015-12-31 741.15
2014-12-31 556.28
2013-12-31 414.51
2012-12-31 308.82
2016-10-31 2,144.78
2016-07-31 2,036.62
2016-04-30 1,916.60
2016-01-31 1,809.40
2015-10-31 1,711.97
2016-01-31 6,667.22
2015-01-31 5,373.59
2014-01-31 4,071.00
2013-01-31 3,050.20
2016-09-30 -0.06
2016-06-30 -1.88
2016-03-31
2015-12-31 -0.13
2015-09-30
2015-12-31 -0.14
2014-12-31 0.07
2013-12-31 0
2012-12-31 0
2016-09-30 -0.8
2016-06-30 -1.12
2016-03-31 1.32
2015-12-31 -0.05
2015-09-30 -0.34
2015-12-31 -1.37
2014-12-31 -1.9
2013-12-31 -1.48
2012-12-31 0.1
2016-10-31 41.98
2016-07-31 35
2016-04-30 -11.66
2016-01-31 27.09
2015-10-31 -3.44
2016-01-31 14.13
2015-01-31 -18.69
2014-01-31 -4.87
2013-01-31 -5.7
dtype: object
pd.to_numeric(df, errors='coerce')
Out[77]:
Date
2016-09-30 24.73
2016-06-30 18.73
2016-03-31 17.56
2015-12-31 29.14
2015-09-30 22.67
2015-12-31 95.85
2014-12-31 84.58
2013-12-31 58.33
2012-12-31 29.63
2016-09-30 243.91
2016-06-30 230.77
2016-03-31 216.58
2015-12-31 206.23
2015-09-30 192.82
2015-12-31 741.15
2014-12-31 556.28
2013-12-31 414.51
2012-12-31 308.82
2016-10-31 NaN
2016-07-31 NaN
2016-04-30 NaN
2016-01-31 NaN
2015-10-31 NaN
2016-01-31 NaN
2015-01-31 NaN
2014-01-31 NaN
2013-01-31 NaN
Name: Revenue, dtype: float64
请注意，当我执行到to_numeric的转换时，它将带逗号（千位分隔符）的字符串转换为NaN以及负数。你能帮我找到办法吗？
编辑：
继续尝试重现此问题，我在单个DataFrame中添加了两列，其中包含有问题的文本。我试图最终将这些列转换为float。但是，我遇到各种错误：
df
Out[168]:
Revenue Other, Net
Date
2016-09-30 24.73 -0.06
2016-06-30 18.73 -1.88
2016-03-31 17.56
2015-12-31 29.14 -0.13
2015-09-30 22.67
2015-12-31 95.85 -0.14
2014-12-31 84.58 0.07
2013-12-31 58.33 0
2012-12-31 29.63 0
2016-09-30 243.91 -0.8
2016-06-30 230.77 -1.12
2016-03-31 216.58 1.32
2015-12-31 206.23 -0.05
2015-09-30 192.82 -0.34
2015-12-31 741.15 -1.37
2014-12-31 556.28 -1.9
2013-12-31 414.51 -1.48
2012-12-31 308.82 0.1
2016-10-31 2,144.78 41.98
2016-07-31 2,036.62 35
2016-04-30 1,916.60 -11.66
2016-01-31 1,809.40 27.09
2015-10-31 1,711.97 -3.44
2016-01-31 6,667.22 14.13
2015-01-31 5,373.59 -18.69
2014-01-31 4,071.00 -4.87
2013-01-31 3,050.20 -5.7
这是使用以下解决方案的结果：
print (pd.to_numeric(df.astype(str).str.replace(',',''), errors='coerce'))
Traceback (most recent call last):
File "<ipython-input-169-d003943c86d2>", line 1, in <module>
print (pd.to_numeric(df.astype(str).str.replace(',',''), errors='coerce'))
File "/Users/Lee/anaconda/lib/python3.5/site-packages/pandas/core/generic.py", line 2744, in __getattr__
return object.__getattribute__(self, name)
AttributeError: 'DataFrame' object has no attribute 'str'
问题答案：
看来您需要清空：replace ,``strings
print (df)
2016-10-31 2,144.78
2016-07-31 2,036.62
2016-04-30 1,916.60
2016-01-31 1,809.40
2015-10-31 1,711.97
2016-01-31 6,667.22
2015-01-31 5,373.59
2014-01-31 4,071.00
2013-01-31 3,050.20
2016-09-30 -0.06
2016-06-30 -1.88
2016-03-31
2015-12-31 -0.13
2015-09-30
2015-12-31 -0.14
2014-12-31 0.07
2013-12-31 0
2012-12-31 0
Name: val, dtype: object
print (pd.to_numeric(df.str.replace(',',''), errors='coerce'))
2016-10-31 2144.78
2016-07-31 2036.62
2016-04-30 1916.60
2016-01-31 1809.40
2015-10-31 1711.97
2016-01-31 6667.22
2015-01-31 5373.59
2014-01-31 4071.00
2013-01-31 3050.20
2016-09-30 -0.06
2016-06-30 -1.88
2016-03-31 NaN
2015-12-31 -0.13
2015-09-30 NaN
2015-12-31 -0.14
2014-12-31 0.07
2013-12-31 0.00
2012-12-31 0.00
Name: val, dtype: float64
编辑：
如果采用追加，则有可能
dtype第一df是float和第二object，因此需要投以str第一，因为得到的混合DataFrame-例如，第一行是type
float行和最后一行是strings：
print (pd.to_numeric(df.astype(str).str.replace(',',''), errors='coerce'))
也可以types通过以下方式检查：
print (df.apply(type))
2016-09-30 <class 'float'>
2016-06-30 <class 'float'>
2015-12-31 <class 'float'>
2014-12-31 <class 'float'>
2014-01-31 <class 'str'>
2013-01-31 <class 'str'>
2016-09-30 <class 'str'>
2016-06-30 <class 'str'>
2016-03-31 <class 'str'>
2015-12-31 <class 'str'>
2015-09-30 <class 'str'>
2015-12-31 <class 'str'>
2014-12-31 <class 'str'>
2013-12-31 <class 'str'>
2012-12-31 <class 'str'>
Name: val, dtype: object
编辑1：
如果需要将解决方案应用于所有DataFrame使用领域apply：
df1 = df.apply(lambda x: pd.to_numeric(x.astype(str).str.replace(',',''), errors='coerce'))
print (df1)
Revenue Other, Net
Date
2016-09-30 24.73 -0.06
2016-06-30 18.73 -1.88
2016-03-31 17.56 NaN
2015-12-31 29.14 -0.13
2015-09-30 22.67 NaN
2015-12-31 95.85 -0.14
2014-12-31 84.58 0.07
2013-12-31 58.33 0.00
2012-12-31 29.63 0.00
2016-09-30 243.91 -0.80
2016-06-30 230.77 -1.12
2016-03-31 216.58 1.32
2015-12-31 206.23 -0.05
2015-09-30 192.82 -0.34
2015-12-31 741.15 -1.37
2014-12-31 556.28 -1.90
2013-12-31 414.51 -1.48
2012-12-31 308.82 0.10
2016-10-31 2144.78 41.98
2016-07-31 2036.62 35.00
2016-04-30 1916.60 -11.66
2016-01-31 1809.40 27.09
2015-10-31 1711.97 -3.44
2016-01-31 6667.22 14.13
2015-01-31 5373.59 -18.69
2014-01-31 4071.00 -4.87
2013-01-31 3050.20 -5.70
print(df1.dtypes)
Revenue float64
Other, Net float64
dtype: object
但是如果只需要转换DataFrame使用subset和的某些列apply：
cols = ['Revenue', ...]
df[cols] = df[cols].apply(lambda x: pd.to_numeric(x.astype(str)
.str.replace(',',''), errors='coerce'))
print (df)
Revenue Other, Net
Date
2016-09-30 24.73 -0.06
2016-06-30 18.73 -1.88
2016-03-31 17.56
2015-12-31 29.14 -0.13
2015-09-30 22.67
2015-12-31 95.85 -0.14
2014-12-31 84.58 0.07
2013-12-31 58.33 0
2012-12-31 29.63 0
2016-09-30 243.91 -0.8
2016-06-30 230.77 -1.12
2016-03-31 216.58 1.32
2015-12-31 206.23 -0.05
2015-09-30 192.82 -0.34
2015-12-31 741.15 -1.37
2014-12-31 556.28 -1.9
2013-12-31 414.51 -1.48
2012-12-31 308.82 0.1
2016-10-31 2144.78 41.98
2016-07-31 2036.62 35
2016-04-30 1916.60 -11.66
2016-01-31 1809.40 27.09
2015-10-31 1711.97 -3.44
2016-01-31 6667.22 14.13
2015-01-31 5373.59 -18.69
2014-01-31 4071.00 -4.87
2013-01-31 3050.20 -5.7
print(df.dtypes)
Revenue float64
Other, Net object
dtype: object
编辑2：
您的红利问题的解决方案：
df = pd.DataFrame({'A':['q','e','r'],
'B':['4','5','q'],
'C':[7,8,9.0],
'D':['1,000','3','50,000'],
'E':['5','3','6'],
'F':['w','e','r']})
print (df)
A B C D E F
0 q 4 7.0 1,000 5 w
1 e 5 8.0 3 3 e
2 r q 9.0 50,000 6 r
#first apply original solution
df1 = df.apply(lambda x: pd.to_numeric(x.astype(str).str.replace(',',''), errors='coerce'))
print (df1)
A B C D E F
0 NaN 4.0 7.0 1000 5 NaN
1 NaN 5.0 8.0 3 3 NaN
2 NaN NaN 9.0 50000 6 NaN
#mask where all columns are NaN - string columns
mask = df1.isnull().all()
print (mask)
A True
B False
C False
D False
E False
F True
dtype: bool
#replace NaN to string columns
df1.loc[:, mask] = df1.loc[:, mask].combine_first(df)
print (df1)
A B C D E F
0 q 4.0 7.0 1000 5 w
1 e 5.0 8.0 3 3 e
2 r NaN 9.0 50000 6 r
类似资料：
-
如标题所示，我希望将逗号小数（法属加拿大系统）转换为VBA的周期小数。 除此之外， 它必须转换第3和第4列 这些列中的一些单元格是空的（我不是说所有小数以下的空单元格，而是介于两者之间的单元格） 小数是字符串 下图中的行数仅供示例之用。它们可能要多得多。 小数也因表而异（银行对账单对银行对账单），所以我不想要只适用于这些数字的代码。 小数分隔符是"，" 组分隔符为" 最后，一些我并不想要的图片（请
-
问题内容： 使用Swift，我试图获取应用程序文本视图中输入的数字列表，并通过为成绩计算器提取每个数字来创建此列表的总和。而且，用户输入的值量每次都会更改。一个例子如下所示： 字符串：98,99,97,96 …试图获取：98 + 99 + 97 + 96 … 请帮忙！谢谢 问题答案： 使用打破了逗号分隔的字符串。 使用前，每一个元素后删除空格 使用每个元素转换为整数。 使用（以前称为）删除所有无法
-
问题内容： 如何将字符串转换为JavaScript数组？ 看一下代码： 在这种情况下，将弹出一个。当它是一个数组时，它会弹出一个，而当它被调用时，它应该弹出一个。 是否有机会将此类字符串转换为JavaScript数组？ 问题答案： 对于像这样的简单数组成员，可以使用。 这为您提供了一个数字数组。 如果使用，则会得到一个字符串数组。 请注意，这将限制您使用受支持的数据类型。如果您需要类似或函数的值，
-
问题内容： 我有一个价格列表，逗号带有小数点，点是千位分隔符。 一些例子： 12,30 116,10 1.563,14 这些来自第三方。我想将它们转换为浮点数并将它们添加在一起。 做这个的最好方式是什么？ number_format 似乎不适用于此格式， str_replace 似乎有点过头了，因为我必须对每个数字进行多次操作。 有更好的办法吗？谢谢。 问题答案： 使用去除点并不过分。 几乎可以肯
-
问题内容： 我有一个这样的表： Department是另一个具有dept_id和dept_name作为列的表。我想要这样的结果， 有什么帮助吗？ 问题答案： 您可以按照以下方式进行操作： 编辑： 基于我需要加入哪一列？在一个表中，我有逗号分隔的ID，而在其他表中，我只有ID