如何将熊猫列中的一系列字符串转换为整数

Question

我有一个熊猫的数据框架，在这个格式的"2016-05-03“中有一列关于日期的专栏，这些是字符串。我需要将它们转换为字符串中的int，并在连字符(‘-’)处拆分，并且只提取一年。

这就是我试图将字符串转换为整数的地方：

tyc.startDate = tyc.startDate.astype(np.int64) 

但它正在返回并出错：

ValueError: int()的文字无效，基数为10：'2015-06-01‘

这就是我为分裂所做的

tyc.startDate.str.split('-')[0]

和

tyc.startDate.str.split('-', [0]) 

但是这也不起作用，它分割并返回该列中所有行的列表：'2015'，'06'，'01‘，我只想拆分一年！

我确信有一种简单的方法，只需在0位置转换为int并拆分for ('-')，然后将其作为一个新列放到df中，请帮助！

Answer 1

我相信您的数据包含NaN或一些非datetime值：

tyc = pd.DataFrame({'startDate':['2016-05-03','2017-05-03', np.nan],
                    'col':[1,2,3]})
print (tyc)
   col   startDate
0    1  2016-05-03
1    2  2017-05-03
2    3         NaN

首先使用str[0]返回每一行的第一个列表值。但是也有问题--一些NaNs无法转换为int (be设计)--因此输出是浮动的：

print (tyc.startDate.str.split('-').str[0].astype(float))
0    2016.0
1    2017.0
2       NaN
Name: startDate, dtype: float64

另一种解决方案是通过to_datetime转换为日期时间，并通过year解析年份。

print (pd.to_datetime(tyc.startDate, errors='coerce'))
0   2016-05-03
1   2017-05-03
2          NaT
Name: startDate, dtype: datetime64[ns]

print (pd.to_datetime(tyc.startDate, errors='coerce').dt.year)
0    2016.0
1    2017.0
2       NaN
Name: startDate, dtype: float64

删除NaN的解决方案：

tyc['year'] = pd.to_datetime(tyc.startDate, errors='coerce').dt.year
print (tyc)
   col   startDate    year
0    1  2016-05-03  2016.0
1    2  2017-05-03  2017.0
2    3         NaN     NaN

1.

通过NaNs通过dropna删除所有行，然后强制转换为int：

tyc = tyc.dropna(subset=['year'])
tyc['year'] = tyc['year'].astype(int)
print (tyc)
   col   startDate  year
0    1  2016-05-03  2016
1    2  2017-05-03  2017

2.

将NaN替换为诸如1这样的int值，替换为fillna，然后转换为int

tyc['year'] = tyc['year'].fillna(1).astype(int)
print (tyc)
   col   startDate  year
0    1  2016-05-03  2016
1    2  2017-05-03  2017
2    3         NaN     1

Answer 2

您可以使用应用

def mod_strings(date_str):
    try:
        return int(date_str.split('-')[0])
    except (AttributeError, IndexError):  # in case value is not as 
                                          # expected returning original value
        return date_str

tyc.startDate = tyc.startDate.apply(mod_strings)

但是，简单地将整个列从字符串转换为date对象，然后使用tyc.startDate = tyc.startDate.dt.year (假设熊猫版本为>= 0.16)，可能更容易一些。