dataframe float转int

可以使用 `astype()` 函数将 DataFrame 中的 float 类型转换为 int 类型。例如，假设有以下的 DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1.1, 2.2, 3.3],
                   'B': [4.4, 5.5, 6.6]})

如果想要将列 A 和 B 中的 float 类型转换为 int 类型，可以使用如下代码：

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

注意，这种方法会将小数部分直接截断，得到的结果是整数部分。如果想要进行四舍五入或者其他的舍入方式，可以使用 `round()` 函数来实现。例如，如果想要将列 A 和 B 中的 float 类型进行四舍五入，并转换为 int 类型，可以使用如下代码：

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

相关问题

dataframe将所有的float转换为int

DataFrame中的数据类型转换通常需要通过Pandas库中的相应函数来进行。如果你想将DataFrame中的所有`float`类型列转换为`int`类型，可以按照以下步骤操作：

import pandas as pd

# 假设df是一个包含float类型的DataFrame
df = pd.DataFrame(...)

# 检查当前哪些列是float类型
float_columns = df.select_dtypes(include=['float64']).columns.tolist()

# 将float列转换为int，可能会丢失精度或遇到无法整除的情况，需要谨慎处理
for column in float_columns:
    try:
        df[column] = df[column].astype('Int64')
    except TypeError or ValueError:
        print(f"Column {column} cannot be converted to int directly, consider handling NaN or infinite values first.")

注意，在转换之前，你应该检查数据，因为并非所有浮点数都能精确地表示为整数，特别是一些无穷大（Infinity）、负无穷（-Infinity）或者NaN值。如果存在这些特殊值，你需要先进行适当的清洗或处理。

python 使用 DataFrame 将不是int的值替换为0

好的，如果您想使用 Python 的 pandas 库中的 DataFrame 将不是 int 类型的值替换为 0，可以使用 `fillna()` 方法和 `astype()` 方法结合使用实现，示例如下：

import pandas as pd

# 创建一个包含不是 int 类型的 DataFrame
df = pd.DataFrame({'A': [1, 2, 'a', 4, 'b'], 'B': [True, False, True, False, True]})

# 将不是 int 类型的值替换为 0
df = df.fillna(0).astype(int)

# 输出结果
print(df)

运行结果如下：

   A  B
0  1  1
1  2  0
2  0  1
3  4  0
4  0  1

以上代码中，我们通过 `fillna()` 方法将 DataFrame 中所有的 NULL 值替换为 0，然后通过 `astype()` 方法将 DataFrame 中所有的列的类型转换为 int 类型，这样就将不是 int 类型的值都替换为了 0。

需要注意的是，如果 DataFrame 中原来就包含了 float 类型的数据，使用 `fillna()` 方法替换为 0 后会自动将这些数据转换为 float 类型。如果您还有其他问题，可以随时问我。