无法将字符串转换为 pandas 中的浮点数（ValueError）

Question

我有一个从 JSON 输出创建的数据框，如下所示：

        Total Revenue    Average Revenue    Purchase count    Rate
Date    
Monday  1,304.40 CA$     20.07 CA$          2,345             1.54 %

存储的值作为字符串从 JSON 接收。我正在努力：

1) 删除条目中的所有字符（例如：CA$ 或 %） 2) 将费率和收入列转换为浮动值 3）将计数列转换为int

我尝试执行以下操作：

df[column] = (df[column].str.split()).apply(lambda x: float(x[0]))

它工作得很好，除非我有一个带有昏迷的值（例如：1,465 不起作用，而 143 则可以）。

我尝试使用几个函数来替换“，”为“”等。到目前为止没有任何效果。我总是收到以下错误：

ValueError：无法将字符串转换为浮点数：'1,304.40'

Answer 1

这些字符串以逗号作为千位分隔符，因此您必须在调用

float

:

之前删除它们

df[column] = (df[column].str.split()).apply(lambda x: float(x[0].replace(',', '')))

这可以通过将

split

移动到

lambda

内来简化一点：

df[column] = df[column].apply(lambda x: float(x.split()[0].replace(',', '')))

Answer 2

另一个具有

list

理解的解决方案，如果需要，请应用

string

functions 仅适用于

Series

（

DataFrame

的列），如

str.split

和

str.replace

:

df = pd.concat([df[col].str.split()
                       .str[0]
                       .str.replace(',','').astype(float) for col in df], axis=1)

#if need convert column Purchase count to int
df['Purchase count'] = df['Purchase count'].astype(int)
print (df)
         Total Revenue  Average Revenue  Purchase count  Rate
Date                                                        
Monday         1304.4            20.07            2345  1.54

Answer 3

我也遇到过这个问题，并且使用下面的代码解决了我的问题：

import pandas as pd
df['Purchase count'] = pd.to_numeric(df['Purchase count'], errors='coerce')
print(df.dtypes)

Answer 4

以下解决方案对我有用..！！

import pandas as pd


df['Purchase count'] = df['Purchase count'].replace(',', '', regex=True).astype(float)

print('type:    ', type(df['Purchase count']))