pandas数据框类型转换异常:如何保留P值实现多表正确求和
实现步骤
针对object类型列出现字符串拼接、P值无法转数值的问题,结合你已知所有数据表P的位置完全固定的前提,可以按以下流程操作,完全适配你原本的代码思路:
- 第一步:沿用你原本的
pd.to_numeric逻辑,将每个DataFrame的目标列做强制数值转换,把"P"这类非数字内容自动转换为空值(NaN):# 对每个待求和的DataFrame列单独做类型转换 col1 = pd.to_numeric(df1["my df title"], errors='coerce') col2 = pd.to_numeric(df2["my df title"], errors='coerce') col3 = pd.to_numeric(df3["my df title"], errors='coerce') col4 = pd.to_numeric(df4["my df title"], errors='coerce') - 第二步:将转换完成的数值列直接做求和运算。因为P的位置在所有表完全重合,这些位置的NaN会自动在求和时被跳过,其余0、1的位置会正常完成数值累加:
sum_result = col1 + col2 + col3 + col4 - 第三步:还原P值。因为P的位置完全固定,你只需要从任意一个原始DataFrame里找出值为"P"的行位置,将求和结果对应位置重新赋值为"P"即可:
# 取任意一个原始df的P位置做标记,无需逐行判断 sum_result[df1["my df title"] == "P"] = "P"
最终输出效果和你的预期完全一致:原来拼接生成的
1111会被换算成对应数值和、PPPP位置会被还原为单个"P"、0和1的位置会得到对应的累加结果,不会再出现字符串拼接的异常问题。
注意:如果后续新增更多同结构的DataFrame,只要P的位置保持固定,上述流程不需要修改,直接在求和环节追加对应列的转换结果即可。
内容的提问来源于stack exchange,提问作者kitchen800
相关产品推荐
相关产品推荐

