df.ID = pd.to_numeric(df.ID, errors='coerce') but non numeric are converted toNaN, so all values arefloat. Forintneed convertNaNto some value e.g.0and then cast toint: df.ID = pd.to_numeric(df.ID, errors='coerce').fillna(0).astype(np.int64) ...
df['missing_col'].astype('int') output ValueError: Cannot convert non-finite values (NA or inf) tointeger 我们可以先通过调用fillna方法来将缺失值填充成其他数值,然后再进行类型的转换,代码如下 df["missing_col"] = df["missing_col"].fillna(0).astype('int') df output 最后的则是“money_col...
你可以使用astype()方法将选定列的数据类型转换为int。但是,在转换过程中可能会遇到无法转换为int的数据(如NaN值或字符串数据)。为了处理这些潜在的错误,你可以使用errors='coerce'参数,这将无法转换的值设置为NaN。 python df['your_column'] = df['your_column'].astype(int, errors='coerce') 替换或处理...
df['string_col']=df['string_col'].astype('int') 当然我们从节省内存的角度上来考虑,转换成int32或者int16类型的数据, df['string_col']=df['string_col'].astype('int8') df['string_col']=df['string_col'].astype('int16') df['string_col']=df['string_col'].astype('int32') 然后我...
df= pd.read_csv("data.csv", dtype={'id': int}) error: Integer column has NA values 或者,我在阅读后尝试转换列类型,但这次我得到: df= pd.read_csv("data.csv") df[['id']] = df[['id']].astype(int) error: Cannot convert NA to integer 我该如何解决这个问题? 原文由 Zhubarb ...
我得到 ValueError: cannot convert float NaN to integer for following: {代码...} “x”是 csv 文件中的一列,我无法在文件中发现任何 浮点 NaN ,而且我不明白错误或为什么会得到它。 当我将该列读取为字符串时...
ValueError: Cannot convert non-finite values (NA or inf) to integer >>> df['D'].astype(int) TypeError ... TypeError: int() argument must be a string, a bytes-like object or a number, not 'NAType' >>> df['E'].astype(int) ...
df.notna()不丢弃nans，它只提供一系列真/假值（如果不是Na则为真，如果是Na则为假）1.我会先...
这通过应用datetime转换将更新限制到7月23日及以后，但我无法确认它是否产生了您想要的结果。这至少是一...
df['mix_col'] = pd.to_numeric(df['mix_col'], errors='coerce') df output 而要是遇到缺失值的时候,进行数据类型转换的过程中也一样会出现报错,代码如下 df['missing_col'].astype('int') output ValueError: Cannot convert non-finite values (NA or inf) to integer ...