python如何pandas字符串数据列变成int，并处理空置

可以使用 pandas 的 astype() 方法将字符串数据列转换为 int 类型，同时使用 fillna() 方法来处理空值。示例代码如下：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({
    'A': ['1', '2', '3', '4', None],
    'B': ['5', '6', '7', None, '9']
})

# 将 A 列转换为 int 类型，并处理空值
df['A'] = pd.to_numeric(df['A'], errors='coerce').fillna(0).astype(int)

# 将 B 列转换为 int 类型，并处理空值
df['B'] = pd.to_numeric(df['B'], errors='coerce').fillna(0).astype(int)

# 输出转换后的 DataFrame
print(df)

输出结果如下：

   A  B
0  1  5
1  2  6
2  3  7
3  4  0
4  0  9

相关问题

python如何pandas字符串数据列变成int，需要提前处理空置为平均值

可以使用 pandas 中的 fillna 和 astype 方法来实现将字符串数据列转化为整型数据列，并且将空值填充为该列平均值的操作，具体代码如下：

import pandas as pd

# 创建示例数据
data = {'A': ['1', '2', '3', '4', '5', ''],
        'B': ['6', '7', '8', '9', '', '10']}
df = pd.DataFrame(data)

# 将字符串数据列转化为整型数据列
df['A'] = df['A'].fillna(df['A'].astype(float).mean()).astype(int)
df['B'] = df['B'].fillna(df['B'].astype(float).mean()).astype(int)

print(df)

上述代码中，首先创建了一个示例数据，接着使用 fillna 和 astype 方法将数据列 A 和 B 转化为整型数据列，并且将空值填充为该列平均值。最后输出转化后的数据框。

python pandas将某列数据类型转为int型，对无法转换的数据赋空值

您可以使用pandas中的`to_numeric()`方法将某列数据类型转为int型，并使用`errors='coerce'`参数对无法转换的数据赋空值。示例如下：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': ['1', '2', '3', '4', 'a', 'b', 'c']})

# 将A列数据类型转为int型，无法转换的数据赋空值
df['A'] = pd.to_numeric(df['A'], errors='coerce')

# 查看转换后的DataFrame
print(df)

输出结果为：

     A
0  1.0
1  2.0
2  3.0
3  4.0
4  NaN
5  NaN
6  NaN

其中，原本为字符串类型的数据被成功转换为了浮点型（因为pandas中没有int型的缺失值）。无法转换的字符串被赋值为了NaN。