Pandas.DataFrame.str.replace 函数将浮点数替换为 NaN答案

【问题标题】：Pandas.DataFrame.str.replace function replaces floats to NaNPandas.DataFrame.str.replace 函数将浮点数替换为 NaN
【发布时间】：2017-08-28 11:38:51
【问题描述】：

我有一个 Pandas DataFrame，假设： df = pd.DataFrame({'Column name':['0,5',600,700]})

我需要删除,。代码是： df_mod = df.stack().str.replace(',','').unstack()

结果我得到：[05, NaN, NaN]

你有什么想法为什么我的表达式用 NaN 替换数字以及如何避免它？非常感谢！

【问题讨论】：

您混合了 dtype，所以我认为替换导致 dtype 上转换为浮动

标签： python-3.x pandas dataframe

【解决方案1】：

那些数字被视为数值，没有str.replace方法，你可以将列转换为字符串，去掉逗号，然后将数据类型转换回来：

df['Column name'].astype(str).str.replace(",", "").astype(int)

#0      5
#1    600
#2    700
#Name: Column name, dtype: int64

【讨论】：

这是 pandas 的奇怪和不一致的行为，没有错误没有警告
这个解决方案有一些问题。 1.如果列包含混合数字和str，最后一个astype会失败。 2. 如果存在 NaN，我认为 astype(int) 会失败。将其切换为 astype(float)？ 3. 如果跳过最后一个astype，那么NaN会被保存为字符串

【解决方案2】：

我有一个替代答案，只是为了好玩：

df.applymap(lambda x: x.replace(',','') if type(x) is str else x)

这将检查 str 类型的每个值，然后检查任何 str 的 .replace。

【讨论】：

尝试使用这个变体，它似乎什么也没做）我们需要以某种方式运行 x 的迭代
您帖子中的示例 df 可以正常工作。你的 df 有什么不同吗？
对不起，我错了，它工作得很好。由于某种原因，在 PyCharm 的调试模式下执行需要花费太多时间 - 我认为它根本不起作用）
我已经尝试为您的示例 df：1000 个循环计时，最好的 3 个：每个循环 517 µs。这段代码你不应该面临太多的性能问题..）：
是的，在运行模式下它执行得非常快。我会用它

【解决方案3】：

正如@Psidom 所确定的，您会得到NaN，因为ints 没有replace 方法。您可以按原样运行它并使用原始列填充那些Nan 值

c = 'Column name'
df[c].str.replace(',', '').fillna(df[c])

0     05
1    600
2    700
Name: Column name, dtype: object

这会保留所有dtypes

【讨论】：

我有一个 df['xxx'].str.replace('.0', '') 似乎截断了除最后两个字符串之外的所有内容。有人知道为什么吗？