将字符串的所有字母字符转换为熊猫数据框中单独列中的整数

Posted 2023-03-11

【中文标题】将字符串的所有字母字符转换为熊猫数据框中单独列中的整数

【英文标题】：Convert all alpha characters of string to integers in separate columns within a pandas dataframe

【发布时间】：2022-01-23 22:30:39

【问题描述】：

我有一列包含字母数字字符的字符串，如下所示：

AA128A AA128B AA128C AA128D AA128E AA129A AA129B AA129C CP100-10 CP100-11 CP100-12 CP100-13 CORSTG11A CORSTG11B CORSTG11C

我想将每个单独的字符分解为单独的列，并将所有字母字符转换为它们的 ASCII 十进制值，并保持数值不变。如果爆炸值后值为null，我想用-1替换它。

我已经能够分解这些值并替换空值，但是当我尝试使用 ord() 函数迭代这些值以转换字母字符时，我得到了错误：

ord() 期望长度为 1 的字符串，但找到了 int

即使我在 for 循环中对数据类型创建条件分析。

import numpy as np 
import pandas as pd 
from sklearn.preprocessing import OrdinalEncoder
from pandas.api.types import is_string_dtype
from pandas.api.types import is_numeric_dtype
loc_df = pd.read_csv('C:\\path\\to\\file.csv',index_col=False)
# new data frame with split value columns 
explode_df = loc_df["stoloc"].apply(lambda x: pd.Series(list(x)))
explode_df = explode_df.fillna(-1)
#Convert alpha characters to numeric
for char in explode_df:
    if is_string_dtype(explode_df[char]):
        explode_df_numeric[char] = ord(char)
    else:
        explode_df_numeric[char] = char

expected outcome

【问题讨论】：

怎么会有空值？你是指 NaN 还是 NUL 字符 (\0)？

在这种情况下，我指的是 NaN。它们会存在，因为当分解成单独的列时，并非所有字符串的长度都相同

显示您的代码尝试和期望的结果示例。

我已经添加了这些项目。谢谢你说出来。

【参考方案1】：

出现该错误的原因是变量char 是列名，而这不是ord 的正确参数。您应该改为传递该列中的值；您可以使用apply 或map。

        if is_string_dtype(explode_df[char]):
            explode_df[char] = explode_df[char].apply(ord)
        else:
            explode_df[char] = explode_df[char]

但是您的代码中还有其他问题。对列进行 for 循环并检查列的类型并不能解决问题，因为有些列同时包含字符串和整数。一个简单的解决方案是 applymap 和 is_int 检查：

def is_int(s):
    try: 
        int(s)
        return True
    except:
        return False

# new data frame with split value columns 
explode_df = loc_df["stoloc"].apply(list).apply(pd.Series)
explode_df = explode_df.fillna(-1)
explode_df_numeric = explode_df.applymap(lambda x: x if is_int(x) else ord(x))