我试图将两个不同数组中的所有匹配元素放入一个单一数组中。但是,我遇到了一个我不完全确定的类型错误。
这是我最初尝试做的:
IRS_zips = AGI.zipcode.unique() # np array of type int
medi_zips = df.nppes_provider_zip.unique() # np array of type object
为了找到我做的匹配元素:
like_zips = np.intersect1d(IRS_zips,medi_zips)
这会引发此错误:
TypeError: '<' not supported between instances of 'str' and 'int'
这是有道理的,所以我检查了两个数组的类型并尝试转换它们,在这种情况下 medi_zips
不是正确的类型所以我尝试转换那个:
medi_fixed = medi_zips.astype(int)
抛出错误:
ValueError: invalid literal for int() with base 10: 'M4K 2'
我觉得这很好奇,所以我在数据框中查找一个等于 'M4K 2'
的值,我确实找到了它,它最终成为数据框的第一个元素等等重要的是显示为数字或在本例中为邮政编码。这让我认为它可能是一个编码问题?我不是很擅长。
编辑:
根据要求,IRS_zips 的输出如下所示:
array([ 0, 35004, 35005, ..., 83127, 83128, 83414])
这是 medi_zips 的输出数组:
array(['21502', '60201', '43623', ..., '81656', '56137', '85246'],
dtype=object)
理想的输出只是一个带有匹配 zip 的新数组,但它是我上面列出的错误
编辑 2:
这现在有效:
IRS_zips = AGI.zipcode.unique()
IRS_zips = (pd.to_numeric(IRS_zips, errors='coerce')).astype(int)
medi_zips = df.nppes_provider_zip.unique()
medi_int = pd.to_numeric(medi_zips, errors='coerce')
medi_int = (medi_int[~np.isnan(medi_int)]).astype(int)
最佳答案
这对我有用
import numpy as np
import pandas as pd
IRS_zips = np.array([0, 1, 2, 3, 4])
medi_zips = np.array(['0', '1', '2', '3', '4c'])
medi_int = pd.to_numeric(medi_zips, errors='coerce')
medi_int = medi_int[~np.isnan(medi_int)]
like_zips = np.intersect1d(IRS_zips, medi_int)
关于python - 值错误转换数组中元素的数据类型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55751268/