Python 使用apply+清理熊猫中的数字数据；兰姆达

我正在清洗一些产品，发现线下有一个问题-

    feed_df['sale_price'] = feed_df['sale_price'].apply(lambda x: x if x > 0 else None)

这里我已经检查了销售价格的数据类型是object

错误是：

TypeError: '>' not supported between instances of 'str' and 'int'

那么，如何更改lambda表达式来解决此问题呢？

您所谓的“清理”实际上是使数据变脏。熊猫专门从事矢量化操作。否则，使用Pandas就不会比使用值列表和字典好多少

这意味着您应该确保数字系列具有数字数据类型。可选的

object

dtype可以保存任意类型，但只不过是一系列指针，非常类似于

list

。另一方面，数字序列将作为连续的内存块保存在内存中。您将看到性能和内存使用方面的改进

在这种情况下，您可以使用

pd.to_numeric

和

errors='concurve'

，然后有条件地更新序列。无法转换为数字的值将作为

NaN

传递

feed_df['sale_price'] = pd.to_numeric(feed_df['sale_price'], errors='coerce')
feed_df.loc[feed_df['sale_price'] <= 0, 'sale_price'] = np.nan

feed_df['sale_price']=pd.to_numeric（feed_df['sale_price']，errors='concurve'）
feed_df.loc[feed_df['sale_price']当您阅读错误消息时，您认为这是什么意思？sale price是字符串，我正在将它与整数进行比较。那么，什么是正确的方法呢？更改lambda表达式或在之前进行检查？感谢@jpp的解释。