Python 如何用对象中的子字符串替换值？

我有一个纬度数据集中的坐标，每个坐标以一个字母结尾（例如N）

仅检索数字并替换原始值的最佳方法是什么

我的尝试是：

raw['LATITUDE'] = raw.loc[(raw['LATITUDE'].str.len() == 9)].str[0:8]

但我收到了一条AttributeError消息

AttributeError: 'DataFrame' object has no attribute 'str'

我还尝试用正则表达式替换这些值，但我不确定如何使其成功

谢谢你的建议

---

好的，让我们澄清两件事：

您似乎正在使用混合数据类型。打印出原始['LATITUDE']

apply（type）.nunique（）

进行确认；它应该大于1

您正在使用geodata。您的许多值都是无效的（0），我建议将其强制为NaN，因为这更能代表丢失的数据

要解决您的问题，请尝试将所有内容保留到最后一个字符（

：-1

）：

尽管您的列是混合数据类型，但这仍然有效，因为

str

访问器的设计目的是将非字符串行强制为NaN

如果您希望保留0（我不推荐），请使用快速替换函数，如

np.where

raw['LATITUDE'] = np.where(
    raw.LATITUDE.eq(0), 0, raw['LATITUDE'].str[:-1].astype(float)
)

raw
   LATITUDE
0   0.00000
1  38.72496
2  39.90272
3  38.72927
4  39.91152
5  39.84841
6   0.00000
7   0.00000
8   0.00000
9  39.84941

---

我不建议保留0s的原因是，从语义上讲，使用NaN来划分缺少的数据比使用0更有意义。

在与dtype

对象的系列中，似乎存在混合类型

选项1

您可以先尝试使用
errors='concurve'
转换为数值，然后在转换为
float
之前，使用所有字符填充NA

：

s = pd.Series(['34.49881N', 0], dtype=object)

s = pd.to_numeric(s, errors='coerce').fillna(s.str[:-1].astype(float))

选项2

你也可以反过来工作。这是不可取的，因为它不太严格，即您可能会在结果中发现意外类型

s = s.str[:-1].astype(float).fillna(s)

结果

在这两种情况下，您都会发现：

print(s)

0    34.49881
1     0.00000
dtype: float64

---

您可以使用

where

df.LATITUDE.where(df['LATITUDE'].str.len() == 9,df.LATITUDE.str[0:8])
Out[956]: 
0           0
1    38.72496
2    39.90272
3    38.72927
4    39.91152
5    39.84841
6           0
7           0
8           0
9    39.84941
Name: LATITUDE, dtype: object

---

除非您确信您的数据始终只包含一个半球（无南半球纬度），否则我不建议使用子串方法，因为它会将（例如）39.2342N和39.2342S转换为相同的值

相反，我将使用

映射

将字符串转换为一个带有反映半球的符号的数字：

df['Fixed_Lat'] = df['LATITUDE'].map(lambda x: -float(x[:-1]) if x[-1] == 'S' else float(x[:-1]))

---

这实际上是我的答案，但有不必要的漏洞。选项1做的事情比它需要的要多，选项2和我已经写的差不多，我不同意。使用

s=pd.Series（['34.49881N'，0]，dtype=object）

测试您的解决方案。混合对象列中的非字符串项被隐式转换为NaN，这简化了很多事情。我想OP只想要纬度，别的什么都不要。我建议从这些NAN开始。

s.str[：-1].astype（float）

可以工作，这就是真正需要工作的全部。我不明白你说的“不工作”是什么意思。。。如果你的意思是零消失了，那么是的，那些会变成南，他们应该知道，我不喜欢没有评论的否决票。我已经给你补偿了，祝你愉快。谢谢。你的解释直截了当、简单，而且奏效了。看完你的建议后，我宁愿把所有有争议的行都处理掉。你建议怎么做？@elbertkim你可以简单地按照

raw=raw.dropna（subset=['LATITUDE']）

的思路做一些事情。如果您想删除带有NaN的每一行，请选择

raw=raw.dropna（）

。不客气：）

df['Fixed_Lat'] = df['LATITUDE'].map(lambda x: -float(x[:-1]) if x[-1] == 'S' else float(x[:-1]))