Python 为什么我的数字数据被视为对象？

当数据实际上是数字时，数据框将被视为对象。如何解决此问题？我假设发生这种情况是因为我的列中的某些值不是数字-我正在尝试将其转换为

NaN

。当我尝试运行

to_numeric

函数时，它会将所有内容返回为NaN，这不是我所期望的

假设我的数据看起来像

A B C D
X Y Z 53
X Y Z 65
X Y Z 22
X Y Z 6/5/96
X Y Z 45
X Y Z 97

我试图保留D列中的所有内容，同时将

6/5/96

更改为

NaN

，但我尝试的所有内容都会导致D列中所有值的

NaN

。当我查找

dtypes

时，它会将D列作为对象列出，但它们肯定是数值

在不改变实际数值的情况下，如何将数据帧修复为这样

A B C D
X Y Z 53
X Y Z 65
X Y Z 22
X Y Z NaN
X Y Z 45
X Y Z 97

---

我正在使用tabla将PDF转换为CSV

df = pd.read_csv('TEST.csv')
df['D'] = pd.to_numeric(df['D'], errors='coerce')

您是否认为在表格PDF到CSV转换期间，我的数据正在丢失其数据类型

使用，但所有

int

值都转换为

float

s：

df['D'] = pd.to_numeric(df['D'], errors='coerce')

但如果混合值-带字符串的数字：

df['D'] = pd.to_numeric(df['D'].astype(str), errors='coerce')

或者，如果是尾随空格：

df['D'] = pd.to_numeric(df['D'].astype(str).str.strip(), errors='coerce')

编辑：

或：

使用，但所有

int

值都转换为

float

s：

df['D'] = pd.to_numeric(df['D'], errors='coerce')

但如果混合值-带字符串的数字：

df['D'] = pd.to_numeric(df['D'].astype(str), errors='coerce')

或者，如果是尾随空格：

df['D'] = pd.to_numeric(df['D'].astype(str).str.strip(), errors='coerce')

编辑：

或：

---

导入数据帧时，列

'D'

是对象，单个元素是

字符串

您可以将

pd.Series.str.is_numeric

与

where

一起使用

df.D.where(df.D.str.isnumeric())

0     53
1     65
2     22
3    NaN
4     45
5     97
Name: D, dtype: object

如果您有混合类型、字符串类型和实际数字类型，则可以同时使用

to_numeric

和

str.isnumeric

df.D.where(df.D.str.isnumeric() | pd.to_numeric(df.D, 'coerce').notnull())

0     53
1     65
2     22
3    NaN
4     45
5     97
Name: D, dtype: object

在这两种情况下，使用

assign

创建新列的副本

df.assign(
    D=df.D.where(df.D.str.isnumeric() | pd.to_numeric(df.D, 'coerce').notnull())
)

   A  B  C    D
0  X  Y  Z   53
1  X  Y  Z   65
2  X  Y  Z   22
3  X  Y  Z  NaN
4  X  Y  Z   45
5  X  Y  Z   97

---

这也应该起作用：

df.assign(D=df.D.where(pd.to_numeric(df.D, 'coerce').notnull()))

   A  B  C    D
0  X  Y  Z   53
1  X  Y  Z   65
2  X  Y  Z   22
3  X  Y  Z  NaN
4  X  Y  Z   45
5  X  Y  Z   97

---

导入数据帧时，列

'D'

是对象，单个元素是

字符串

您可以将

pd.Series.str.is_numeric

与

where

一起使用

df.D.where(df.D.str.isnumeric())

0     53
1     65
2     22
3    NaN
4     45
5     97
Name: D, dtype: object

如果您有混合类型、字符串类型和实际数字类型，则可以同时使用

to_numeric

和

str.isnumeric

df.D.where(df.D.str.isnumeric() | pd.to_numeric(df.D, 'coerce').notnull())

0     53
1     65
2     22
3    NaN
4     45
5     97
Name: D, dtype: object

在这两种情况下，使用

assign

创建新列的副本

df.assign(
    D=df.D.where(df.D.str.isnumeric() | pd.to_numeric(df.D, 'coerce').notnull())
)

   A  B  C    D
0  X  Y  Z   53
1  X  Y  Z   65
2  X  Y  Z   22
3  X  Y  Z  NaN
4  X  Y  Z   45
5  X  Y  Z   97

---

这也应该起作用：

df.assign(D=df.D.where(pd.to_numeric(df.D, 'coerce').notnull()))

   A  B  C    D
0  X  Y  Z   53
1  X  Y  Z   65
2  X  Y  Z   22
3  X  Y  Z  NaN
4  X  Y  Z   45
5  X  Y  Z   97

---

---

你需要发布你的代码。我真的没什么可发布的。我将添加我正在使用的内容。我不知道那是什么样子的

csv

，这就是重点。还包括

csv

的前几行，以及在该部分csv上运行代码后的结果。谢谢大家！我真的很感激。你需要发布你的代码。我真的没有什么可以发布的。我将添加我正在使用的内容。我不知道那是什么样子的

csv

，这就是重点。还包括

csv

的前几行，以及在该部分csv上运行代码后的结果。谢谢大家！我真的很感激。当我这样做的时候，D列中的每个数值也变成了NaN。这就是问题所在。这仍然会导致所有NaN值。。。编辑：刚刚编辑了问题hmmm，什么是打印（df['D'].apply（type））？

Name:D，Length:200，dtype:object

很清楚，它是作为对象而不是数值来读取的，但我不知道为什么。我想知道当我将数据从PDF转换为CSV时是否会发生这种情况。需要将

，

替换为空字符串-检查编辑后的答案。当我这样做时，D列中的每个数值也变为NaN。这就是问题所在。这仍然会导致所有NaN值。。。编辑：刚刚编辑了问题hmmm，什么是打印（df['D'].apply（type））？

Name:D，Length:200，dtype:object

很清楚，它是作为对象而不是数值来读取的，但我不知道为什么。我想知道当我将数据从PDF转换为CSV时是否会发生这种情况。需要将

，

替换为空字符串-检查编辑的答案。我将如何实现这一点？

TypeError:assign（）接受1个位置参数，但给出了2个
@mischell woops。。。已修复。我想您可以指出，它确实不是推荐的解决方案-
int
s和
float
s：（@jezrael注意到我根本没有修改列，只是将
np.NaN
放在元素不能被解释为数字的地方。我对这是否合适有不同的看法。我将如何实现它？
TypeError:assign（）采用1个位置参数，但给出了2个
@Mitchell woops…已修复。我认为您可以指出这确实不是推荐的解决方案-
int
s与
float
s:（@jezrael注意到我根本没有修改这个列，只是把
np.NaN
放在元素不能被解释为数字的地方。我对这是否合适有不同的看法。