如何将columnt类型的对象转换为数据帧中的float

Question

我有以下数据框：

        ID customer Month   Amount
    0   026         201707  31,65
    1   026         201708  31,65
    2   026         201709  31,65
    3   026         201710  31,65
    4   026         201711  31,65

.....

其中'Amount'是object类型。我想为每个ID计算sum和average金额。首先，我尝试将“金额”列从object转换为float

df ['Amount'] = pd.to_numeric（df ['Amount']，errors ='coerce'）

但是我在“金额”列中获得了所有值的NaN

        ID customer Month   Amount
    0   026         201707  NaN 
    ....

如何将列对象类型转换为带实数的浮点数并汇总每个客户的值（总和，平均值，均值）？

Answer 1

用str.replace用点替换那些逗号：

str.replace

然后分组并根据需要计算聚合（不确定所需的输出类型，但基本上希望如下）：

df['Amount'] = pd.to_numeric(df.Amount.str.replace(',','.'), errors='coerce')

print(df)

   ID  customer   Month  Amount
0   0        26  201707   31.65
1   1        26  201708   31.65
2   2        26  201709   31.65
3   3        26  201710   31.65
4   4        26  201711   31.65

Answer 2

在df.groupby('ID').Amount.mean() 之前使用Series.str.replace在Series.str.replace中转换pd.to_numeric，然后可以使用,

.

---

如果要聚合到初始数据帧，请使用groupby.agg：

agg_df = (df.assign(Amount = pd.to_numeric(df['Amount'].str.replace(',','.'),
                                           errors = 'coerce'))
            .groupby('ID').Amount.agg(['mean','sum']))
print(agg_df)
#if you want change the type of Amount previously
#df['Amount'] =pd.to_numeric(df['Amount'].str.replace(',','.'),errors = 'coerce')
#agg_df = df.groupby('ID').Amount.agg(['mean','sum']))

     mean    sum
ID              
0   31.65  31.65
1   31.65  31.65
2   31.65  31.65
3   31.65  31.65
4   31.65  31.65