如何在 pandas DF 列中找出哪些值不能使用 astype 函数转换为“int”类型

Posted 2023-03-12

【中文标题】如何在 pandas DF 列中找出哪些值不能使用 astype 函数转换为“int”类型

【英文标题】：how to find out in a pandas DF column which values can not be converted to 'int' type with astype function

【发布时间】：2021-07-13 16:38:05

【问题描述】：

我正在使用数据框，我必须将一列转换为 int 类型

我使用以下符号：

result_df['ftmSectionId'] = result_df['ftmSectionId'].astype('int') 

DF 有几百万行，所以显然有些值无法转换为 int（可能包括逗号或句点...）我收到错误：

ValueError: invalid literal for int() with base 10: 'not'

现在根据这个问题： How do I fix invalid literal for int() with base 10 error in pandas

我可以使用：

data.Population1 = pd.to_numeric(data.Population1, errors="coerce")

哪个有效。

但是以这种方式，我不知道为什么我首先会出错。 由于我正在使用的数据库的性质，我希望该特定列只有整数。 如何使用简单的方法 .astype('int') 查询列以找出哪些值不能转换为 'int'？

谢谢

其他可能但不重复的答案： Unable to convert pandas dataframe column to int variable type using .astype(int) method 这个问题解决了同样的问题，只是他们知道问题是该列包含 NaN 并且他们删除了它们。我不知道这里有什么问题，我的目标不仅是转换为 'int' 而是抓住麻烦值

【参考方案1】：

您仍然可以使用errors="coerce"，然后获取原始系列中NaN 的值：

s = pd.Series(["apple", "1.0", "2", -3, "pear", "12,84"])

nans = pd.to_numeric(s, errors="coerce").isna()

然后布尔索引给出：

>>> s[nans]

0    apple
4     pear
5    12,84
dtype: object