Pandas自定义函数调用失效：float转字符串格式化问题解决

问题背景 #

有两个DataFrame（df和df2），在进行Vlookup（即pandas的merge操作）时，需要将Item Class列（导入时为float类型且包含NaN）转换为固定4位格式的字符串。

两个DataFrame结构如下：

df #

df2 #

分步代码可以成功转换列格式：

df['Item Class']=df['Item Class'].fillna(value=0,inplace=False)
df['Item Class']=df['Item Class'].astype(int,copy=True,errors='raise')
df['Item Class']=df['Item Class'].astype(str,copy=True,errors='raise')
df['Item Class']=df['Item Class'].apply('{:0>4}'.format)

df2['Item Class']=df2['Item Class'].fillna(value=0,inplace=False)
df2['Item Class']=df2['Item Class'].astype(int,copy=True,errors='raise')
df2['Item Class']=df2['Item Class'].astype(str,copy=True,errors='raise')
df2['Item Class']=df2['Item Class'].apply('{:0>4}'.format)

但自定义函数调用后无法生效，要么出现ValueError: You are trying to merge on float64 and object columns. If you wish to proceed you should use pd.concat错误，要么列类型仍为float：

def float_to_str(df_column):
     df_column=df_column.fillna(value=0,inplace=False)
     df_column=df_column.astype(int,copy=True,errors='raise')
     df_column=df_column.astype(str,copy=True,errors='raise')
     df_column=df_column.apply('{:0>4}'.format)

调用方式：

float_to_str(df['Item Class'])
float_to_str(df2['Item Class'])

解决方案 #

1. 修复自定义函数（添加返回值） #

你的函数没有返回处理后的列对象，导致调用后无法将结果赋值回DataFrame的列。修改后的函数如下：

def float_to_str(df_column):
    df_column = df_column.fillna(value=0, inplace=False)
    df_column = df_column.astype(int, copy=True, errors='raise')
    df_column = df_column.astype(str, copy=True, errors='raise')
    df_column = df_column.apply('{:0>4}'.format)
    # 关键：返回处理后的列
    return df_column

2. 正确调用函数（赋值回原列） #

调用时需要将函数返回的结果重新赋值给原DataFrame的Item Class列：

df['Item Class'] = float_to_str(df['Item Class'])
df2['Item Class'] = float_to_str(df2['Item Class'])

3. 优化函数（链式调用简化代码） #

可以把多步操作合并为链式调用，让函数更简洁：

def float_to_str(df_column):
    return df_column.fillna(0)\
                    .astype(int, errors='raise')\
                    .astype(str)\
                    .apply('{:0>4}'.format)

这样调用后，Item Class列会被正确转换为4位字符串格式，就可以正常进行merge（Vlookup）操作了。

内容的提问来源于stack exchange，提问作者user19891327