时间戳

首页 > 解决方案 > 如何在 pandas DF 列中找出哪些值不能使用 astype 函数转换为“int”类型

pandas - 如何在 pandas DF 列中找出哪些值不能使用 astype 函数转换为“int”类型

问题描述

我正在使用数据框，我必须将列转换为 int 类型

我使用以下符号：

result_df['ftmSectionId'] = result_df['ftmSectionId'].astype('int')

DF 有几百万行，所以显然有些值无法转换为 int （可能包括逗号或句点......）我收到错误：

ValueError: invalid literal for int() with base 10: 'not'

现在根据这个问题： How do I fix invalid literal for int() with base 10 error in pandas

我可以使用：

data.Population1 = pd.to_numeric(data.Population1, errors="coerce")

哪个有效。

但是以这种方式，我不知道为什么首先我会出错。由于我正在使用的数据库的性质，我希望该特定列只有整数。如何使用简单的方法 .astype('int') 查询该列以找出哪些值不能转换为 'int' ？

谢谢

其他可能的答案但不重复： Unable to convert pandas dataframe column to int variable type using .astype(int) method 这个问题解决了同样的问题，只是他们知道问题是列包含 NaN 并且他们删除了它们。我不知道这里有什么问题，我的目标不仅是转换为 'int' 而是抓住麻烦值

标签： pandastypes

解决方案

您仍然可以使用errors="coerce"然后获取NaN原始系列中的值：

s = pd.Series(["apple", "1.0", "2", -3, "pear", "12,84"])

nans = pd.to_numeric(s, errors="coerce").isna()

然后布尔索引给出：

>>> s[nans]

0    apple
4     pear
5    12,84
dtype: object

推荐阅读