python - pandas 中分组数据框的 astype 方法失败

Question

当我尝试将 astype(float) 方法应用于 pandas 中的分组数据框时，出现以下错误。

ValueError: could not convert string to float:   

你知道为什么我无法通过astype方法将字符串转换为 float 吗？我该如何解决这个问题？ 下面是我收到错误的代码和示例数据。

def group(self,agg_method):
    df=self.df

    grouped=df.groupby(['Tilt [deg]', 'Azimuth [deg]'],as_index=False)
    groupdf=grouped.agg(agg_method)
    print(groupdf['Azimuth [deg]'][0],len(groupdf['Azimuth [deg]'][0]))
    groupdf['Azimuth [deg]']=groupdf['Azimuth [deg]'].astype(float)  <- I get error here  

示例数据

   Tilt [deg] Azimuth [deg]  Glass SHGC  Area of Multiplied Openings [m2]  \
0        90.0        124.48        0.57                           1450.24   
1        90.0         207.3        0.57                            115.66   
2        90.0        207.47        0.57                            115.62   
3        90.0        208.25        0.57                             23.18   
4        90.0        208.26        0.57                            113.12   
5        90.0        214.48        0.57                            451.94   
6        90.0        218.57        0.57                            230.08   
7        90.0        304.46        0.57                             72.66   
8        90.0        304.48        0.57                           1827.53   
9        90.0         34.48        0.57                            917.29 

Answer 1

我相信你需要to_numeric使用参数 errors='coerce' 将非数字转换为 NaNs:

groupdf['Azimuth [deg]']= pd.to_numeric(groupdf['Azimuth [deg]'], errors='coerce')

如果需要删除所有不可解析的列并且数据中没有 NaN 值，则可以使用 boolean indexing并按 notnull 进行过滤:

groupdf = groupdf[pd.to_numeric(groupdf['Azimuth [deg]'], errors='coerce').notnull()]

在 pandas 的最新版本中，可以使用 0.21.0 Series.notna :

groupdf = groupdf[pd.to_numeric(groupdf['Azimuth [deg]'], errors='coerce').notna()]