基数为 10 的 int() 的无效文字：尝试使用拆分“_”创建数据帧时答案

【问题标题】：invalid literal for int() with base 10: while trying to create a dataframe with split '_'基数为 10 的 int() 的无效文字：尝试使用拆分“_”创建数据帧时
【发布时间】：2021-11-19 11:43:40
【问题描述】：

我正在尝试通过使用特殊字符下划线“_”拆分文件名的不同部分来向现有数据框添加一列。

下面是我的数据框的截图。

现在我想将另一列添加到现有数据框中，该列在“_”之后和 .jpg 之前具有值，例如 row1 中的 1 和 row2 中的 10。

下面是我正在使用的代码，但我收到错误invalid literal for int() with base 10: combined

master_df = pd.DataFrame()
master_df['filename'] = combined_faces_image_names
master_df['age'] = master_df['filename'].map(lambda img_name : np.uint8(img_name.split("_")[0]))

有人可以帮帮我吗？

【问题讨论】：

combined_faces.zip 的预期结果是什么？还是100_a.png？

标签： python regex for-loop lambda split

【解决方案1】：

该错误实际上告诉您，拆分 combined_faces.zip 后出现的 33486 行中的单词 combined 无法转换为 int。

尝试从 DataFrame 中删除此行，然后进行转换和拆分，或者为此目的仅定位包含 .jpg 行的行：

master_df['age'] = master_df['filename'].map(lambda img_name: np.uint8(img_name.split("_")[0]) if '.jpg' in img_name else None)

【讨论】：

【解决方案2】：

您可以使用pandas.Series.str.extract 来完成此任务，缩小示例：

import pandas as pd
df = pd.DataFrame({'name':['100_1.jpg','100_10.jpg','combined_faces.zip']})
df['value'] = df['name'].str.extract(r'(\d+).jpg$')

打印（df）

output
                 name value
0           100_1.jpg     1
1          100_10.jpg    10
2  combined_faces.zip   NaN

解释：提取一个或多个 (+) 数字 (\d) 后跟 .jpg 和字符串结尾 ($)。请注意，在上面的示例值中（不是NaN）是strs。如果你需要数字，你可以使用pandas.to_numeric如下

df['value'] = pd.to_numeric(df['name'].str.extract(r'(\d+).jpg$',expand=False))

【讨论】：

【解决方案3】：

我会使用 try and except 方法进行提取对于这个问题，我也可能只是遍历第一列

import pandas as pd

master_df = pd.DataFrame()
master_df['filename'] = combined_faces_image_names

extract = []
for i in master_df['filename']:
    offset = i.index("_")
    num = i[offset+1:-4]
    # -4 to leave out the .jpg
    try:
        extract.append(int(num))
    except ValueError:
        extract.append("")

master_df['Age'] = extract

【讨论】：