python处理CSV文件中字符串格式的数字，检查全部内容，将其中大于70的数字和小于50的数字替换为-1

要处理CSV文件中的字符串格式数字并按条件替换，可以先读取CSV文件到`pandas` DataFrame，然后使用`pd.to_numeric()`函数尝试将数值列转换为数值，对于无法转换的部分设置默认值。之后筛选出满足条件的数字并替换。

这里有一个示例：

import pandas as pd

# 从CSV文件加载数据
df = pd.read_csv('sample.csv', delimiter=',')

# 尝试将数值列转为数值，对非数值设为NaN
df['numeric_column'] = pd.to_numeric(df['column_with_numbers'], errors='coerce')

# 检查并替换数字
df.loc[(df['numeric_column'] > 70) | (df['numeric_column'] < 50), 'numeric_column'] = -1

# 如果有剩余的非数值项，可能需要进一步清洗或忽略它们
# df = df.dropna(subset=['numeric_column'])  # 删除含有缺失值的行

# 打印结果
print(df[['column_with_numbers', 'numeric_column']])

注意：这个过程假设'column_with_numbers'列包含了要处理的数字。如果列名不同，请替换为实际的列名。

相关问题

python处理CSV文件中字符串格式的数字，将其中大于70的数字和小于50的数字替换为-1

在Python中，处理CSV文件中字符串格式的数字并进行条件替换，你可以使用`csv`模块来读取文件，`pandas`（如果安装）进行更方便的数据处理，然后利用`str.replace()`方法实现替换。以下是一个简单的示例：

import csv
import pandas as pd

# 假设我们有一个名为"data.csv"的CSV文件
# 使用pandas读取CSV文件
df = pd.read_csv('data.csv')

# 检查列中的数值，如果它们能转换为整数并且满足条件
df['column_name'] = df['column_name'].apply(lambda x: -1 if not pd.to_numeric(x, errors='coerce').isna() and (pd.to_numeric(x, errors='coerce') < 50 or pd.to_numeric(x, errors='coerce') > 70) else x)

# 如果不使用pandas，直接使用csv模块，先读取文件到list，再逐行处理
# with open('data.csv', newline='') as csvfile:
#     reader = csv.reader(csvfile)
#     data = []
#     for row in reader:
#         numbers = [int(num) if num.isdigit() else float(num) for num in row]
#         if any(70 < n < 50 for n in numbers):
#             row = [-1 if 50 < n < 70 else n for n in numbers]
#         data.append(row)
#     # 写回CSV文件
#     with open('output.csv', 'w', newline='') as csvfile:
#         writer = csv.writer(csvfile)
#         writer.writerows(data)

在这个示例中，我们假设`column_name`是你想要处理的列名。这段代码会把符合条件的数字替换为-1。