def comment_p(x): x = x.replace(r'+','') if '万' in x: x = x.replace(r'万','') x = float(x) * 10000 return int(x) else: return int(x) df['new_comment'] = df['comment'].apply(lambda x: comment_p(x)).astype('int')报错 2 def comment_p(x): ----> 3 x = x.replace(r'+','') 4 if '万' in x: 5 x = x.replace(r'万','') AttributeError: 'float' object has no attribute 'replace'

这个错误提示显示在 `comment_p` 函数中的 `x` 是一个浮点数，而浮点数类型没有 `replace` 方法，所以会出现 `AttributeError`。这可能是因为 `comment` 列中包含了一些浮点数或者其他不支持 `replace` 方法的类型。为了解决这个问题，您可以在 `comment_p` 函数中增加一些数据类型的判断和异常处理，来避免出现这样的错误。例如：

def comment_p(x):
    if isinstance(x, str):
        x = x.replace(r'+','')
        if '万' in x:
            x = x.replace(r'万','')
            x = float(x) * 10000
            return int(x)
        else:
            return int(x)
    else:
        return x

df['new_comment'] = df['comment'].apply(lambda x: comment_p(x)).astype('int')

这样可以确保 `comment_p` 函数中的 `x` 参数是一个字符串类型，避免了 `AttributeError` 的出现。

相关问题

代码2# 处理comment列数据 def comment_p(x): x = x.replace(r'+','') if '万' in x: x = x.replace(r'万','') x=float(x)*10000 return x else: return int(x)

根据您提供的代码，`comment_p` 函数会将带有 `+` 和 `万` 字符的字符串转换为整型或浮点数类型，并将结果返回。如果字符串中包含 `+` 字符，则将其替换为空字符串；如果包含 `万` 字符，则将其替换为空字符串并将结果乘以 `10000`。

您可以通过以下代码查看处理后的 `comment` 列的前5行数据：

# 处理comment列数据
def comment_p(x):
    x = x.replace(r'+','')
    if '万' in x:
        x = x.replace(r'万','')
        x = float(x) * 10000
        return x
    else:
        return int(x)

df['new_comment'] = df['comment'].apply(lambda x: comment_p(x)).astype('int')

# 查看处理后的comment列数据的前5行
print(df['new_comment'].head())

这将显示处理后的 `comment` 列的前5行数据。

# 处理comment列数据 def comment_p(x): x = x.replace(r'+','') if '万' in x: x = x.replace(r'万','') x=float(x)*10000 return x else: return xdf['new_comment'] = df['comment'].apply(lambda x:comment_p(x)).astype('int')

根据您提供的代码，`comment_p` 函数中的 `return` 语句返回的是一个浮点数类型，但是 `df['new_comment']` 的数据类型被指定为整型，所以会报错。您可以将 `return` 语句中的浮点数强制转换为整型，如下所示：

# 处理comment列数据
def comment_p(x):
    x = x.replace(r'+','')
    if '万' in x:
        x = x.replace(r'万','')
        x = int(float(x) * 10000)
        return x
    else:
        return int(x)

df['new_comment'] = df['comment'].apply(lambda x: comment_p(x)).astype('int')

这样可以确保 `df['new_comment']` 列中的数据类型是整型，避免了类型错误的出现。