Pandas：从多列中删除 NaN 并将它们转换为 int 的最佳方法答案

【问题标题】：Pandas: Best way to remove NaN from multiple columns and convert them to intPandas：从多列中删除 NaN 并将它们转换为 int 的最佳方法
【发布时间】：2018-11-09 14:51:09
【问题描述】：

假设我有以下 CSV 数据：

col1,col2,col3,label
,1,2,label1
3,,4,label2
5,6,7,label3

读取此数据并将 col1 和 col2 转换为浮点数的最佳方法是什么。

我可以使用this 并转换我的过滤数据框，它只有数字列（col1、col2、col3）。如何修改主数据框本身而忽略作为字符串的标签列？

在相关说明中，我还可以使用以下命令。知道如何在循环中运行它，以便动态生成变量名 col%d，因为我有 32 列。

filter_df.col1 = filter_df.col1.fillna(0).astype(int)

【问题讨论】：

要遍历 32 列，您可以使用这种方法 getattr builtin docs.python.org/3/library/functions.html#getattr

标签： python pandas

【解决方案1】：

将select_dtypes 与np.number 一起使用：

print (filter_df)
   col1  col2  col3   label
0   NaN   1.0     2     NaN
1   3.0   NaN     4  label2
2   5.0   6.0     7  label3

cols = filter_df.select_dtypes(np.number).columns
filter_df[cols] = filter_df[cols].fillna(0).astype(int)

print (filter_df)
   col1  col2  col3   label
0     0     1     2     NaN
1     3     0     4  label2
2     5     6     7  label3

【讨论】：

读者注意：select_dtypes 将返回一个新的 DataFrame 并从中选择列。
@coldspeed - 当然，有什么问题？
没问题，刚刚提给觉得内存效率很重要的读者：)

【解决方案2】：

您可以将fillna 与downcast='infer' 一起使用。

m = df.dtypes == np.number
df.loc[:, m] = df.loc[:, m].fillna(0, downcast='infer')
print(df)
   col1  col2  col3   label
0     0     1     2     NaN
1     3     0     4  label2
2     5     6     7  label3

【讨论】：