将 Pandas 数据框转换为带逗号的浮点数时出错答案

【问题标题】：Error Converting Pandas Dataframe to float with comma将 Pandas 数据框转换为带逗号的浮点数时出错
【发布时间】：2018-06-25 00:40:57
【问题描述】：

所以我得到了一个数据框，其中至少有 2-3 列，数字从 1 到 3000，并且数字有逗号。我需要将所有相关列中的数字转换为浮点数或整数。这是我的数据框的示例：

data = pd.read_csv('exampleData.csv')
data.head(10)
 Out[179]:
 Rank     Total
  1         2
  20        40
  1,200    1,400
  NaN       NaN

从示例中可以看出，我的 Dataframe 由数字、带逗号的数字和一些 NaN 组成。我在这里阅读了几篇关于转换为 float 或 int 的帖子，但我总是收到错误消息，例如：'str'对象没有属性“astype”。对于几列，我的方法如下：

cols = ['Rank', 'Total']
data[cols] = data[cols].apply(lambda x: pd.to_numeric(x.astype(str)
                                               .str.replace(',',''), errors='coerce'))

【问题讨论】：

刚刚尝试运行您的代码，它在这里完美运行。
每一列的dtype是什么？
dtype 是对象。也许这就是问题所在？

标签： python pandas dataframe

【解决方案1】：

使用参数thousands。

pd.read_csv('exampleData.csv', thousands=',')

【讨论】：

【解决方案2】：

John 的解决方案不适用于包含多个逗号的数字，例如 1,384,496。

一个更具可扩展性的解决方案是做

data = data.replace({",":""}, regex=True)

然后将字符串转换为数字。

【讨论】：

我做了这部分，但是当我尝试更改为数字时，我仍然收到错误消息。我检查了这些列，它们是“对象”类型的

【解决方案3】：

Pandas read_csv() 接受许多参数，允许您控制字段的转换方式。来自the documentation：

decimal : str, default ‘.’
    Character to recognize as decimal point (e.g. use ‘,’ for European data).

所以，这是一个疯狂的想法：使用关键字参数“decimal = ','”转换数字字段。然后，将数值字段乘以 1000。

【讨论】：