在Pandas中将float64列转换为int64

  • Z时代
  • 2024-01-10
  • 分类：问答

我试图将列从数据类型转换float64为int64使用：

df['column name'].astype(int64)

但出现错误：

NameError：未定义名称“ int64”

专栏有人数，但其格式为：7500000.0我知道如何将其更改float64为int64？

回答：

大熊猫 解决方案，用于转换缺少值的数字：

df = pd.DataFrame({'column name':[7500000.0,7500000.0, np.nan]})
print (df['column name'])
0    7500000.0
1    7500000.0
2          NaN
Name: column name, dtype: float64
df['column name'] = df['column name'].astype(np.int64)

ValueError：无法将非限定值（NA或inf）转换为整数

#http://pandas.pydata.org/pandas-docs/stable/user_guide/integer_na.html
df['column name'] = df['column name'].astype('Int64')
print (df['column name'])
0    7500000
1    7500000
2        NaN
Name: column name, dtype: Int64

我认为您需要转换为numpy.int64：

df['column name'].astype(np.int64)

样品：

df = pd.DataFrame({'column name':[7500000.0,7500000.0]})
print (df['column name'])
0    7500000.0
1    7500000.0
Name: column name, dtype: float64
df['column name'] = df['column name'].astype(np.int64)
#same as
#df['column name'] = df['column name'].astype(pd.np.int64)
print (df['column name'])
0    7500000
1    7500000
Name: column name, dtype: int64

如果某些NaNS

IN列需要他们取代一些int（例如0）通过fillna，因为type的NaN是float：

df = pd.DataFrame({'column name':[7500000.0,np.nan]})
df['column name'] = df['column name'].fillna(0).astype(np.int64)
print (df['column name'])
0    7500000
1          0
Name: column name, dtype: int64

同时检查文档-缺少数据投射规则

编辑：

用NaNs转换值是错误的：

df = pd.DataFrame({'column name':[7500000.0,np.nan]})
df['column name'] = df['column name'].values.astype(np.int64)
print (df['column name'])
0                7500000
1   -9223372036854775808
Name: column name, dtype: int64

以上是 在Pandas中将float64列转换为int64 的全部内容， 来源链接： utcz.com/qa/432119.html

回到顶部