Python 2.7 优化到整数-整数的转换

我有一个80000行的数据帧。一列“prod_prom”包含空值或数字的字符串表示，即包括“，”。我需要把它们转换成整数。到目前为止，我一直在这样做：

for row in DF.index:
    if pd.notnull(DF.loc[row, 'prod_prom']):
        DF.loc[row, 'prod_prom'] = int(''.join([char for char in DF.loc[row, 'prod_prom'] if char != ',']))

但是速度非常慢。在列表理解中这样做会更快吗，还是使用apply函数？这种操作的最佳实践是什么

---

谢谢

如果我理解正确，您有如下数据：

data = """
A,B
100,"5,000"
200,"10,000"
300,"100,000"
400,
500,"2,000"
"""

print df

     A        B
0  100    5,000
1  200   10,000
2  300  100,000
3  400      NaN
4  500    2,000

df['B'] = df['B'].str.replace(r',','').astype(float)
print df

    A       B
0  100    5000
1  200   10000
2  300  100000
3  400     NaN
4  500    200

如果是这种情况，最简单的方法可能是使用

read\u csv

中的

数千

选项（由于缺少值，类型将是

float

而不是

int

）：

如果不可能，您可以执行以下操作：

data = """
A,B
100,"5,000"
200,"10,000"
300,"100,000"
400,
500,"2,000"
"""

print df

     A        B
0  100    5,000
1  200   10,000
2  300  100,000
3  400      NaN
4  500    2,000

df['B'] = df['B'].str.replace(r',','').astype(float)
print df

    A       B
0  100    5000
1  200   10000
2  300  100000
3  400     NaN
4  500    200

---

我将类型更改为float，因为pandas中没有

NaN

整数。

导入数千个整数效果很好，我担心（可能没有什么好的理由）它可能会把我的其他列弄得一团糟（因为我没有花时间确认其他字符串列中是否存在'，'值。在这种情况下，第二种解决方案对我来说似乎更好。我可能可以将该技术与某种列表理解结合起来，以获得ints和NA值。谢谢您指定使用“千”选项导入哪些列？应该处理NaN通过

pandas

自动执行。您根本不必担心它们。即使您在列表中将单个元素更改为

int

，因为您在某些元素中有NaN值，pandas也会在我使用1000个时自动将列的数据类型更改为

float

，但它无法转换'4453.8'0.这是典型的吗？是的，因为逗号后面有空格。如果没有空格，应该可以转换。