无法将对象类型转换为字符串；然后对该字符串进行过滤；python数据帧

我正试图从纽约证券交易所（NYSE）撤出所有股票行情，然后只筛选出市值超过50亿美元的股票

我遇到了一个问题，因为根据我的数据加载方式，所有列都是数据类型“Object”，我无法找到将它们转换为其他任何内容的方法。请参见下面我的代码和注释：

import pandas as pd
import numpy as np
# NYSE
url_nyse = "http://www.nasdaq.com/screening/companies-by-name.aspx?letter=0&exchange=nyse&render=download"
df = pd.DataFrame.from_csv(url_nyse)
df = df.drop(df.columns[[0, 1, 3, 6,7]], axis=1) 

这是我对纽约证券交易所股票的初始数据量，然后我只过滤市值、行业和行业

起初，我希望过滤掉MarketCap，首先是删除任何带有“M”的字符，然后删除第一个和最后一个字符，得到一个数字，然后可以过滤掉任何高于5的字符。然而，我认为这是因为数据类型是“对象”而不是字符串，所以我无法直接完成它。然后我创建了只包含字母或数字的新列，希望可以转换成数据类型string并从中浮动

df['MarketCap_Num'] = df.MarketCap.str[1:-1]
df['Billion_Filter'] = df.MarketCap.str[-1:]

所以MarketCap_Num列通过删除第一个和最后一个字符只包含数字，而Billion_Filter只包含最后一个字符，我将删除=M的任何值

然而，即使这些列只是数字或字符串，我也找不到从对象数据类型转换为更改的方法，所以我的筛选根本不起作用。非常感谢您的帮助

我试过了。astype（float），pd.to_numeric，键入函数都没有成功

我的过滤代码是：

df[df.Billion_Filter.str.contains("B")]

---

但当我运行时，什么都没有发生，没有错误，也没有过滤器发生。当我在另一个表上运行此代码时，它会工作，因此它必须是支持它的对象数据类型。

您应该能够使用以下命令更改

MarketCap\u Num

列的类型：

df['MarketCap_Num'] = df.MarketCap.str[1:-1].astype(np.float64)

然后可以通过

df.dtypes

检查数据类型

至于过滤器，你可以简单地说

df_filtered = df[df['Billion_Filter'] =="B"].copy()

---

因为在

Billion\u过滤器

列中只有一个字母。

Obhect数据类型用作字符串。您应该能够使用str.contains和提取数字，而无需将对象类型转换为字符串

df = df[df['MarketCap'].str.contains('B')].copy()
df['MarketCap'] = df['MarketCap'].str.extract('(\d+.?\d*)', expand = False)


        MarketCap   Sector          industry
Symbol          
DDD     1.12        Technology      Computer Software: Prepackaged Software
MMM     141.99      Health Care     Medical/Dental Instruments
WUBA    10.39       Technology      Computer Software: Programming, Data Processing
EGHT    1.32        Public UtilitiesTelecommunications Equipment
AIR     1.48        Capital Goods   Aerospace

---

首先删除美元符号，然后用

e9

替换

B

，用

e6

替换

M

，将

MarketCap

列转换为浮动。这将使在列上使用

.astype（float）

进行转换变得容易

import pandas as pd
import numpy as np


# NYSE
url_nyse = "http://www.nasdaq.com/screening/companies-by-name.aspx?letter=0&exchange=nyse&render=download"
df = pd.DataFrame.from_csv(url_nyse)
df = df.drop(df.columns[[0, 1, 3, 6,7]], axis=1)

df = df.replace({'MarketCap': {'\$': '', 'B': 'e9', 'M': 'e6', 'n/a': np.nan}}, regex=True)
df.MarketCap = df.MarketCap.astype(float)

print(df[df.MarketCap > 5000000000].head(10))

收益率：

           MarketCap             Sector                                         industry
Symbol
MMM     1.419900e+11        Health Care                       Medical/Dental Instruments
WUBA    1.039000e+10         Technology  Computer Software: Programming, Data Processing
ABB     5.676000e+10  Consumer Durables                              Electrical Products
ABT     9.887000e+10        Health Care                            Major Pharmaceuticals
ABBV    1.563200e+11        Health Care                            Major Pharmaceuticals
ACN     9.388000e+10      Miscellaneous                                Business Services
AYI     7.240000e+09  Consumer Durables                                Building Products
ADNT    7.490000e+09      Capital Goods                                Auto Parts:O.E.M.
AAP     7.370000e+09  Consumer Services                           Other Specialty Stores
ASX     1.083000e+10         Technology                                   Semiconductors

---

哦。。。我喜欢正则表达式的用法！这是一个非常有效的解决方案，我遇到的一个问题是以下错误：ValueError：无法将字符串转换为float:“n/a”，因为数据集中存在一些na；你遇到这个问题了吗？我不能让dropna工作，我在你的代码中没有看到任何关于它的行。谢谢@用户2420956，我根本没有遇到这个问题。您必须使用旧版本的

pandas

。我建议您升级您的pandas安装。否则，请查看我的编辑，我将

'n/a'

替换为

np.nan

。我现在确实升级了，但仍然出现了与n/a相关的错误，但您编辑的版本仍然有效。非常感谢，从美国东部时间早上7点起我就开始这么做了。是时候让我读一下正则表达式了。