Pandas 熊猫：如何使用convert_对象用NaN值替换字符串

这与我之前提出的一个问题有关，这里：

然而，由于这个问题很久以前就得到了回答，我在这里开始了一个新的问题。我实际上是在尝试使用convert_对象在以下数据帧（此处缩写）中将字符串值替换为1：

我正在使用以下代码来完成此操作。实际上，我已经尝试在整个数据帧上使用此代码，并将其应用于特定列。每次的结果都是没有错误消息，但数据也没有更改（没有值转换为NaN，数据类型仍然是“O”）

或

期望的最终输出如下：

 uniq_epoch     T_Opp     T_Eval
 1              0         0
 1              0         1
 2              1         0
 3              0         0
 3              1         0
 ...

在此之前可能还有一个步骤，其中1s为NaN，fillna（1）用于在已插入字符串的位置插入1s

我已经搜索了stackoverflow上的文章，并查看了convert_对象的文档，但不幸的是，它非常稀疏。如果不是上一篇文章（链接在上面），我甚至不知道会尝试这样应用它

我还将提到，这些列中有相当多的字符串（代码），代码可以重新组合，因此使用dict和replace（）执行此操作所需的时间与我手动执行此操作所需的时间大致相同

基于上一篇文章和我能找到的各种资源，我不明白为什么这不起作用-非常感谢任何帮助，包括指向进一步的文档。

这是在0.13.1上

文件 及

也许你有一个更老的版本；IIRC

convert_对象

在0.11中引入

In [5]: df = read_csv(StringIO(data),sep='\s+',index_col=0)

In [6]: df
Out[6]: 
            T_Opp T_Eval
uniq_epoch              
1               0      0
1               0  vv.bo
2              bx      0
3               0      0
3           vo.bp      0

[5 rows x 2 columns]

In [7]: df.convert_objects(convert_numeric=True)
Out[7]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0     NaN
2             NaN       0
3               0       0
3             NaN       0

[5 rows x 2 columns]

In [8]: df.convert_objects(convert_numeric=True).dtypes
Out[8]: 
T_Opp     float64
T_Eval    float64
dtype: object

In [9]: df.convert_objects(convert_numeric=True).fillna(1)
Out[9]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0       1
2               1       0
3               0       0
3               1       0

[5 rows x 2 columns]

这是在0.13.1上

文件 及

也许你有一个更老的版本；IIRC

convert_对象

在0.11中引入

In [5]: df = read_csv(StringIO(data),sep='\s+',index_col=0)

In [6]: df
Out[6]: 
            T_Opp T_Eval
uniq_epoch              
1               0      0
1               0  vv.bo
2              bx      0
3               0      0
3           vo.bp      0

[5 rows x 2 columns]

In [7]: df.convert_objects(convert_numeric=True)
Out[7]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0     NaN
2             NaN       0
3               0       0
3             NaN       0

[5 rows x 2 columns]

In [8]: df.convert_objects(convert_numeric=True).dtypes
Out[8]: 
T_Opp     float64
T_Eval    float64
dtype: object

In [9]: df.convert_objects(convert_numeric=True).fillna(1)
Out[9]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0       1
2               1       0
3               0       0
3               1       0

[5 rows x 2 columns]

---

谢谢你的洞察力！我更新到Pandas 0.13.1，并按预期转换_对象函数。（不幸的是，使用drop_副本会导致代码的其他部分出现问题）。仅供任何人参考。谢谢你的洞察力！我更新到Pandas 0.13.1，并按预期转换_对象函数。（不幸的是，使用drop_副本会导致代码的其他部分出现问题）。这只是一个供任何人参考的帖子。

 uniq_epoch     T_Opp     T_Eval
 1              0         0
 1              0         1
 2              1         0
 3              0         0
 3              1         0
 ...

In [5]: df = read_csv(StringIO(data),sep='\s+',index_col=0)

In [6]: df
Out[6]: 
            T_Opp T_Eval
uniq_epoch              
1               0      0
1               0  vv.bo
2              bx      0
3               0      0
3           vo.bp      0

[5 rows x 2 columns]

In [7]: df.convert_objects(convert_numeric=True)
Out[7]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0     NaN
2             NaN       0
3               0       0
3             NaN       0

[5 rows x 2 columns]

In [8]: df.convert_objects(convert_numeric=True).dtypes
Out[8]: 
T_Opp     float64
T_Eval    float64
dtype: object

In [9]: df.convert_objects(convert_numeric=True).fillna(1)
Out[9]: 
            T_Opp  T_Eval
uniq_epoch               
1               0       0
1               0       1
2               1       0
3               0       0
3               1       0

[5 rows x 2 columns]