熊猫：将数据类型“object”转换为int

Question

我在Pandas中读取了一个SQL查询，虽然值是字符串、日期和整数，但它们是作为dtype“object”输入的。我能够将日期“对象”转换为datetime数据类型，但在尝试转换字符串和整数时出错。

以下是一个例子：

>>> import pandas as pd
>>> df = pd.read_sql_query('select * from my_table', conn)
>>> df
    id    date          purchase
 1  abc1  2016-05-22    1
 2  abc2  2016-05-29    0
 3  abc3  2016-05-22    2
 4  abc4  2016-05-22    0

>>> df.dtypes
 id          object
 date        object
 purchase    object
 dtype: object

将df['date']转换为日期时间有效：

>>> pd.to_datetime(df['date'])
 1  2016-05-22
 2  2016-05-29
 3  2016-05-22
 4  2016-05-22
 Name: date, dtype: datetime64[ns] 

但我在尝试将df['purchase']转换为整数时出错：

>>> df['purchase'].astype(int)
 ....
 pandas/lib.pyx in pandas.lib.astype_intsafe (pandas/lib.c:16667)()
 pandas/src/util.pxd in util.set_value_at (pandas/lib.c:67540)()

 TypeError: long() argument must be a string or a number, not 'java.lang.Long'

注意：我得到一个类似的错误，当我尝试. astype（'浮动'）

当试图转换为字符串时，似乎什么也没有发生。

>>> df['id'].apply(str)
 1 abc1
 2 abc2
 3 abc3
 4 abc4
 Name: id, dtype: object

Answer 1

这很简单

pd.factorize(df.purchase)[0]

例子：

labels, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'])`

labels
# array([0, 0, 1, 2, 0])

uniques
# array(['b', 'a', 'c'], dtype=object)

Answer 2

（自我）接受的答案没有考虑对象列中出现NAN的可能性。

df = pd.DataFrame({
     'a': [1, 2, np.nan], 
     'b': [True, False, np.nan]}, dtype=object) 
df                                                                         

     a      b
0    1   True
1    2  False
2  NaN    NaN

df['a'].astype(str).astype(int) # raises ValueError

这会阻塞，因为NaN被转换为字符串“NaN”，进一步强制转换为整数的尝试将失败。为了避免此问题，我们可以使用convert\u dtypes将列软转换为相应的可为空类型：

df.convert_dtypes()                                                        

      a      b
0     1   True
1     2  False
2  <NA>   <NA>

df.convert_dtypes().dtypes                                                 

a      Int64
b    boolean
dtype: object

如果您的数据中有垃圾文本混在您的int中，您可以使用pd.to_numeric作为初始步骤：

s = pd.Series(['1', '2', '...'])
s.convert_dtypes()  # converts to string, which is not what we want

0      1
1      2
2    ...
dtype: string 

# coerces non-numeric junk to NaNs
pd.to_numeric(s, errors='coerce')

0    1.0
1    2.0
2    NaN
dtype: float64

# one final `convert_dtypes` call to convert to nullable int
pd.to_numeric(s, errors='coerce').convert_dtypes() 

0       1
1       2
2    <NA>
dtype: Int64

Answer 3

根据@piRSquared的评论记录对我有效的答案。

我需要先转换成字符串，然后再转换成整数。

>>> df['purchase'].astype(str).astype(int)