Python如何将浮点数作为十六进制转换为十进制

Question

我已经从带有 pandas 的 csv 文件中读取了一些数据。数据不完整，因此包含许多 nan 值。 我想在将十六进制值转换为十进制值的数据中添加一列。不幸的是，具有十六进制值的列都被读取为浮点数，而不是字符串，因为它们恰好具有这些值。 示例数据

   val
0 20.0
1  nan
2 20.0

在python中将十六进制转换为十进制的简单方法似乎是：int('20.0',16)，它应该产生32。

但是，由于这是 pandas，我无法将值转换为 int，或者至少我不断收到错误说明。 我当前的代码是：

df['valdec'] = np.where(np.isnan(df['val']), 
                    df['val'], 
                    int(df['val'].astype(int).astype(str), 16))

这失败并出现错误：

ValueError: 无法将 NA 转换为整数

如果没有astype(int)，则值为"20.0"，无法转换。 使用 pandas 数据帧时，是否有另一种方法可以将浮点值解释为十六进制值并转换为十进制？

Answer 1

您可以屏蔽感兴趣的行并进行双重转换并致电apply：

In [126]:
df['valdec'] = df['val'].dropna().astype(int).astype(str).apply(lambda x: int(x, 16))
df

Out[126]:
    val  valdec
0  20.0    32.0
1   NaN     NaN
2  20.0    32.0

所以首先我们调用dropna 来删除NaN，这允许我们使用.astype(int) 转换为int，然后通过调用.astype(str) 转换为str。

然后我们在此调用apply 以转换为十六进制并将所有这些的结果分配给新列

请注意，新列的dtype 将为float，因为NaN 的存在会强制执行此操作，您将无法混合使用ints 和floats

正如@jasonharper 所指出的，在此处转换为int 将丢失任何小数 部分所以更高精度的方法是使用float.fromhex:

In [128]:
df['valdec'] = df['val'].astype(str).dropna().apply(lambda x: float.fromhex(x))
df

Out[128]:
    val  valdec
0  20.0    32.0
1   NaN     NaN
2  20.0    32.0