转换pandas数据框中包含nan，连字符和逗号的列的数据类型

Question

df = pd.read_csv("data.csv", encoding = "ISO-8859-1")

现在，我有一列的值如下：

供参考的样本数据：

现在，我想使用以下代码将列a转换为数字格式：

df[['A']] = df[['A']].astype(int)

这给我一个错误。问题是我将所有三个（南，连字符和逗号）都放在一列中，需要一起解决。有没有更好的方法来转换这些而不替换（nan到-1）之类的东西？

Answer 1

使用参数thousands和na_values，但是在缺少值的情况下无法转换为整数，因为现在至少有一个NaN值转换列为float，请参见this。所以可能的解决方案是将它们替换为int，例如-1，然后转换为整数：

注意-在新版本的pandas（即将发布的0.24.0版本中），pandas具有保留具有缺失值的整数dtypes的功能，Nullable Integer Data Type。

import pandas as pd

temp=u'''A
2254
"1,234"
"3,385"
nan
-
-
nan'''
#after testing replace 'pd.compat.StringIO(temp)' to 'data.csv'
df = pd.read_csv(pd.compat.StringIO(temp), 
                 encoding = "ISO-8859-1", 
                 thousands=',', 
                 na_values='-')

print (df)
        A
0  2254.0
1  1234.0
2  3385.0
3     NaN
4     NaN
5     NaN
6     NaN

---

df['A'] = df['A'].fillna(-1).astype(int)
print (df)
      A
0  2254
1  1234
2  3385
3    -1
4    -1
5    -1
6    -1

Answer 2

也许应该用pd.to_numeric和errors='coerce'来做str.replace：

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

现在：

print(df['A'])

是：

0    2254.0
1    1234.0
2    3385.0
3       NaN
4       NaN
5       NaN
6       NaN
Name: A, dtype: float64