Pandas - 如何在DataFrame系列中用零值替换字符串？

Question

我正在将一些csv数据导入到Pandas DataFrame（在Python中）。其中一个系列应该是所有数字值。但是，它还包含一些被表示为字符串的虚假"$ -"元素。这些元素是从以前的格式留下来的。如果我只是导入该系列，Pandas会报告它是一个'object'系列。

最好的方法是用零替换这些"$ -"字符串吗？或者更一般地说，如何用数字值替换系列中的所有字符串（主要是数字），并将系列转换为浮点类型？

• 史蒂夫

- Steve Maughan

---

我已重新发布了一个更一般的问题，关于如何处理会计格式数据。请参见这里[将Pandas Series从会计格式转换为数字格式？] (http://goo.gl/ol1Fnl) - Steve Maughan

Answer 1

你可以使用DataFrame的convert_objects方法，并设置convert_numeric=True，将字符串转换为NaNs。

来自文档：

convert_numeric： 如果为True，则尝试强制转换为数字（包括字符串），无法转换的值将变为NaN。

In [17]: df
Out[17]: 
    a   b  c
0  1.  2.  4
1  sd  2.  4
2  1.  fg  5

In [18]: df2 = df.convert_objects(convert_numeric=True)

In [19]: df2
Out[19]: 
    a   b  c
0   1   2  4
1 NaN   2  4
2   1 NaN  5

最后，如果你想将那些 NaN 转换为 0，你可以使用 df.replace

In [20]: df2.replace('NaN',0)
Out[20]: 
   a  b  c
0  1  2  4
1  0  2  4
2  1  0  5

- tmdavison

---

请注意，pd.to_numeric 是最新的热门方法；convert_objects 已被废弃。 - DSM

啊，谢谢。我还没有升级到0.17，所以这个选项不在我的pandas里。我会更新我的答案... - tmdavison

@DSM看起来只适用于1D对象，因此转换“DataFrame”更为复杂...或者我漏掉了什么？ - tmdavison

谢谢 - 但看起来我的数据有点混乱。它适用于一个系列，但不适用于另一个系列。导致问题的系列包含 "$-" 和 "($24)" 值。在进行 pd.to_numeric 后，它仍然显示为对象类型。 - Steve Maughan

Answer 2

使用.to_numeric将字符串转换为数字 (使用错误选项 'coerce' 将字符串设置为NaN):

df = pd.to_numeric(df, errors='coerce')

然后使用replace函数将NaN值替换为0：

df.replace('NaN',0)

- adiro

Answer 3

使用 Series.str.replace 和 Series.astype 函数。

df = pd.Series(['2$-32$-4','123$-12','00123','44'])
df.str.replace(r'\$-','0').astype(float)

0    203204
1    123012
2       123
3        44
dtype: float64

- hellpanderr

---

谢谢 - 这个几乎可以工作，但是 "($24)" 的值会出现问题。 - Steve Maughan

如果您想只保留数字，可以使用 df.str.replace(r'[^0-9]+','')。 - hellpanderr

谢谢 - 但是如何将括号解析为负数，例如 "$(24)" 转换为 -24？ - Steve Maughan

你的意思是有单独的减号吗？你能贴一下你数据的例子吗？ - hellpanderr

嗨@hellpanderrr，我在这里发布了一个更一般的问题：http://stackoverflow.com/questions/33456364/convert-a-pandas-series-in-accounting-format-to-a-numeric-series，其中有一个解决方案 - 谢谢！ - Steve Maughan