Python 对象数据类型为无法转换为整数的Dataframe列

我的数据框中有以下值，列数据类型为“object”

如何删除小数（.0）

我首先尝试的是：

df['Calc_id'].astype(int)

错误：

TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'

另一项试验：

df['Calc_id'].str.strip('.0')

这将删除末尾的小数，但删除所有尾随的零，例如下面的示例

如果我们的值为1000，那么它将转换为1

我如何解决这个问题

我预计1000.0的输出是1000，但实际输出是1 因为str.strip（'.0'）

---

如何解决此问题？

一种解决方案，用于替换Nan或填充Nan，然后转换为int obj：

>>> df['Calc_id'].replace(np.nan, 0.0).astype(int)
0    2345
1    4545
2    1234
3       0
4       0
Name: Calc_id, dtype: int64

或者您可以先使用fillna方法将其转换为零，以获得int obj：

>>> df['Calc_id'].fillna(0).astype(int)
0    2345
1    4545
2    1234
3       0
4       0
Name: Calc_id, dtype: int64

您的解决方案是：

正如我所看到的，您的目的只是删除尾部的

.0

，然后下面将完成这项工作

编辑：

>>> df
   Calc_id
0   2345.0
1   4545.0
2   1234.0
3   1000.0
4   2000.0
5   3000.0
6      NaN
7      NaN

只需使用单词boundary ie

\b.0\b

来精确替换即可

>>> df['Calc_id'].replace(r'(\b.0\b)', '', regex=True)
0    2345
1    4545
2    1234
3    1000
4    2000
5    3000
6     nan
7     nan
Name: Calc_id, dtype: object

---

请格式化您的代码。请将帮助设置为自助。在你的列上做一个循环，试着把它们一个一个地转换成int。我敢肯定，一旦你知道它真正的位置，你就可以清楚地知道如何克服它。这是因为int没有NaN值。这与你可以忍受将NaN替换为float的痛苦，然后将

Calc\u id

转换成int这是一种方式，这里可能吗？类似于什么？抱歉，我没有完成问题，如果我的值为：1000.02000.03000.0执行str.strip（'.0'）将返回我1,2,3。但我需要100020003000查看我更新的答案，然后替换是更好的方式，而不是strip（）。如果答案有帮助，那么您可以升级投票并接受答案。表示TypeError:replace（）得到了意外的关键字参数“regex”

>>> df['Calc_id'].replace(r'(\b.0\b)', '', regex=True)
0    2345
1    4545
2    1234
3    1000
4    2000
5    3000
6     nan
7     nan
Name: Calc_id, dtype: object