Python 将列转换为中的浮动

在这个问题上，我已经被困了很长时间：

我正在从一个.csv文件中读取一些数据，一些数字元素已保存为列表，逗号作为千位分隔符。此外，数据还包括一些NaN

首先我要加载csv：

df = pd.read_csv('my_data.csv')

然后我看着头：

df.head()
index   val
0       ['12,345,678.90']
1       ['2,345.67']
2       NaN
Dtype: Object

我的目标是使此列的Dtype=Float64，如下所示：

df.head()
index   val
0       12345678.90
1       2345.67
2       NaN
Dtype: Float64

def convert_float(val):
     new_val = val.replace(',','').replace('[', '').replace(']', '').replace("'", "")
     return float(new_val)

目前，我尝试了以下方法：

使用lambda

df['val'].apply(lambda x: x.replace('[', '').replace(']', '').replace(',', '')).astype('float')

我得到了一个错误：

AttributeError: 'float' object has no attribute 'replace'

我不知道为什么会出现这个错误。我的列的数据类型是“Dtype（'O'）”，这意味着它是一个“对象”（字符串）。也许NaN被认为是一个浮子

定义自定义函数并应用它：

我从中得到了这个方法，这很好

所以我定义我的函数如下：

df.head()
index   val
0       12345678.90
1       2345.67
2       NaN
Dtype: Float64

def convert_float(val):
     new_val = val.replace(',','').replace('[', '').replace(']', '').replace("'", "")
     return float(new_val)

然后我根据我的数据调用它：

df['val'] = df['val'].apply(convert_float)

但我还是得到了同样的错误：

AttributeError: 'float' object has no attribute 'replace'

 AttributeError: 'float' object has no attribute 'replace'

迭代行以进行修改：

我觉得这不是最好的做法，我知道做这样的迭代在计算上是可以扩展的，但我仍然无法让它工作，我正试图知道为什么

我编写了以下代码：

for index, row in df.iterrows():
    row['val'] = float(row['val'].replace(',','').replace('[', '').replace(']', '').replace("'", ''))

但在调用它时，我仍然得到相同的错误：

AttributeError: 'float' object has no attribute 'replace'

 AttributeError: 'float' object has no attribute 'replace'

我还尝试测试该值是否为NaN，以便仅对非NaN值执行操作：

for index, row in df.iterrows():
    if(not pd.isna(row['val'])):
        row['val'] = float(row['val'].replace(',','').replace('[', '').replace(']', '').replace("'", ''))

而且它有效！这次我没有收到任何错误，但是我的数据类型仍然是“Object”

是不是我应该以不同的方式处理NaN？ 加载csv时，处理这种情况的最佳做法是什么

---

谢谢

好的，最后我找到了答案：简单地将类型转换为“str”

我不确定它最初为什么将NaN视为Float，但下面的代码实现了我的目标：

df['val'].apply(lambda x: str(x).replace('[', '').replace(']', '').replace(',', '').replace("'", "")).astype('float')

---

谢谢大家

我来晚了一点，但您甚至不需要使用apply或lambda来完成此操作

df2['val'] = df2['val'].str.replace('[', '').str.replace(']', '').str.replace("'", '').str.replace(",", '').fillna(0).astype(float)

---

在同一个变量上执行所有这些操作都会得到相同的结果

找到数字和“.”，并将其合并在一起

obj = df['val'].fillna('').str.findall('\d+|\.').str.join('')
obj[obj == ''] = np.nan
df['val'] = obj.astype(np.float)