在熊猫中将一列转换为整数以准备回归

Question

我正在为回归准备数据，但我做不到。我必须将 2 行喜欢和流行度转换为整数。我该怎么做。

Unique_ID      int64
Genre          int64
Views          int64
Comments       int64
Likes         object
Popularity    object
Followers      int64
dtype: object

1.我这样做了：

df['Popularity']=df.Popularity.str.replace(',','').astype(int)

错误来了

以 10 为基数的 int() 的无效文字：'13.1K'

1. 然后我尝试了这个：

pd.to_numeric(df['Likes'], downcast='integer')

错误又来了

无法解析位置 3 处的字符串“2,400”

1. 还有这个

df = df.astype(int)

以 10 为底的 int() 的无效文字：'2,400'

我可以做些什么来对我的数据进行回归

Answer 1

可能有一些格式为13.1K 的条目，因此您也应该从最后一个K 中删除它们。

df['Property'] = df['Property'].str.replace(',','')
df['Property'] = df['Property'].str.rstrip('K')

如果还有其他字符，比如M，去掉它们或使用正则表达式找到它们，然后将它们转换为float。

df['Property'] = df['Property'].astype('float64')

您也可以这样做来删除最后一个字母，如下所示：

from string import ascii_letters
df['Property'] = df['Property'].str.rstrip(ascii_letters)

编辑

根据 OP 在 cmets 中提出的要求，以下解决方案将起作用。

假设原始数据集的值如下：

0   13.1K
1   2,400
2   4555
3   6,1M
4   6.1M

使用以下代码

df['Property']=df['Property'].str.replace(',','')
df.['Property'] = (df.['Property'].replace(r'[KM]+$', '',regex=True).astype(float) * \
              df.['Property'].str.extract(r'[\d\.]+([KM]+)', expand=False)
                .fillna(1).replace(['K','M'], [10**3, 10**6]).astype(int))

将数据转换如下

0   13100.0
1   2400.0
2   4555.0
3   61000000.0
4   6100000.0