如何使用Pandas将CSV文件全量值转换为0或1以计算行概率
CSV全量值转0/1的实现方案
原代码未生效的原因
之前的循环逻辑存在两处核心疏漏:
- 直接遍历
for x in data获取的是DataFrame的列名,并非单元格内的实际数值,修改循环内的局部变量x完全不会改动原表内容 - 读取CSV时设置了
header=None,导致原本作为表头的国家名称行被误判为第一行数据,后续的遍历、转换都容易出现数据错位
可落地的实现代码
第一步:修正CSV读取规则
调整读取参数,把首行的国家名称设为列名,从第二行开始读取实际数值数据,避免表头被当成计算对象:
import pandas as pd data = pd.read_csv('IEratios.csv', header=0)
第二步:批量完成0/1值转换
无需手动逐行逐列写循环,借助Pandas原生的向量化操作即可完成全表转换,处理上万行数据时的效率远高于原生Python循环:
# 匹配原本的转换规则:值为1则输出0,非1的数值则输出1 data = (data != 1).astype(int)
逻辑说明:
(data != 1)会生成和原表结构完全一致的布尔矩阵:值等于1的位置返回False(转整数后为0),值不等于1的位置返回True(转整数后为1),可一次覆盖所有行列的转换需求,不存在遗漏。
第三步:结果校验
转换完成后可执行data.head()查看前5行内容,确认示例中USA列原有的1.031值已转换为1,所有原数值为1的单元格已转换为0,无未处理的遗漏值。
内容的提问来源于stack exchange,提问作者RJCoder
相关产品推荐
相关产品推荐

