我想根据行条件更改列值的数据类型,但不起作用
Sample Data:
eName Value1 Value2 NValue
sample1 XYZ XYZ XYZ
sample2 102 XYZ 102 XYZ 102 XYZ
sample3 3 3.000
sample4 3 3.000
我尝试过这种方法,是否必须使用其他方法。
data.loc[data.eName == 'sample3', ['Value1', 'Value2']].apply(pd.to_numeric)
data.loc[data.eName == 'sample4', ['Value1', 'Value2']].apply(pd.to_numeric)
Output as:
eName Value1 Value2 NValue
sample1 XYZ XYZ XYZ
sample2 102 XYZ 102 XYZ 102 XYZ
sample3 3.00 3.00
sample4 3.00 3.00
最佳答案
您可以将Series.isin
创建的掩码分配给过滤后的DataFrame的两侧,并在必要时添加errors='coerce'
以将非数字值转换为NaN
:
m = data.eName.isin(['sample3','sample4'])
cols = ['Value1', 'Value2']
#if need all columns without eName
#cols = df.columns.difference(['eName'])
data.loc[m, cols] = data.loc[m , cols].apply(pd.to_numeric, errors='coerce')
print (data)
eName Value1 Value2 NValue
0 sample1 XYZ XYZ XYZ
1 sample2 102 XYZ 102 XYZ 102 XYZ
2 sample3 3 3 NaN
3 sample4 3 3 NaN
如果需要所有列而无需第一:
m = data.eName.isin(['sample3','sample4']).values
data.iloc[m, 1:] = data.iloc[m , 1:].apply(pd.to_numeric, errors='coerce')
关于python - 如何使用 Pandas 根据行值条件更改列数据类型,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/55297978/