从Dataframe对象筛选字符串和整数值-python

我想在一列中实现对excel文件的操作 该列具有字符串和整数数据，但该列是对象类型

我的数据在Excel中看起来像：（字符串和数字的组合）

我已经尝试了下面的代码

if (df['Time Spent']=='None').all():
 df['Time Spent'] = 0
else:
 df['Time Spent'] = df['Time Spent'].astype('int')/3600

我得到的错误

索引（[u'Issue Key'，u'Issue Id'，u'Summary'，u'assignment'，u'Priority'，
u'问题类型'、u'状态'、u'标签'、u'原始估算'、u'花费的时间'，
u‘决议日期’，u‘创建日期’]，
dtype='object'）
回溯（最近一次呼叫最后一次）：
文件“dashboard\u migration\u graph\u Resolved.py”，第60行，中
df['Time-speed']=df['Time-speed'].astype（'int'）/3600
文件“/usr/lib64/python2.7/site packages/pandas/util/_decorators.py”，第118行，在包装器中
返回函数（*args，**kwargs）
文件“pandas/_libs/lib.pyx”，第854行，在pandas._libs.lib.astype_intsafe中
文件“pandas/_libs/src/util.pxd”，第91行，在util.set_value_处
ValueError:以10为基数的long（）的文本无效：“无”

我无法发表评论（因为声誉不好），但您是否尝试过：

df['Time Spent'] = df['Time Spent'].replace('None', 0). astype(int)/3600

希望这对您有用。

与

errors='concurve'

一起使用，将所有非数字转换为缺少的值，因此在除法之前添加：

df['Time Spent'] = pd.to_numeric(df['Time Spent'], errors='coerce').fillna(0)/3600
print (df)
   Time Spent
0         1.0
1         0.0
2         0.0
3         0.5
4         0.0

如果需要

None

返回类似的错误值，则只删除

fillna

-而不是

None

获取缺少的值

NaN

，因此可能有多列：

df['Time Spent'] = pd.to_numeric(df['Time Spent'], errors='coerce')/3600
print (df)
   Time Spent
0         1.0
1         0.0
2         NaN
3         0.5
4         0.0

---

我不想用0.0替换“无”。在这之后有没有其他方法可以得到“无”back@HimanshuPant-似乎需要

df['Time-speed']=pd.to_numeric（df['Time-speed']，errors='improve'）/3600

，您能检查一下吗？

df['Time Spent'] = pd.to_numeric(df['Time Spent'], errors='coerce').fillna(0)/3600
print (df)
   Time Spent
0         1.0
1         0.0
2         0.0
3         0.5
4         0.0

df['Time Spent'] = pd.to_numeric(df['Time Spent'], errors='coerce')/3600
print (df)
   Time Spent
0         1.0
1         0.0
2         NaN
3         0.5
4         0.0