python - 如何将pandas中的if/else转换为np.where

Question

我的代码如下

将 pd.to_numeric 应用于应该是 int 或 float 但作为对象出现的列。我们可以像应用 np.where 一样将更多内容转换为 pandas

if df.dtypes.all() == 'object':
    df=df.apply(pd.to_numeric,errors='coerce').fillna(df)
else:
    df = df

Answer 1

一个简单的行是分配和selest_dtypes，它将重新分配现有列

df.assign(**df.select_dtypes('O').apply(pd.to_numeric,errors='coerce').fillna(df))

np.where:

df[:] = (np.where(df.dtypes=='object',
          df.apply(pd.to_numeric,errors='coerce').fillna(df),df)

---

示例(检查价格列):

d = {'CusID': {0: 1, 1: 2, 2: 3},
     'Name': {0: 'Paul', 1: 'Mark', 2: 'Bill'},
     'Shop': {0: 'Pascal', 1: 'Casio', 2: 'Nike'},
     'Price': {0: '24000', 1: 'a', 2: '900'}}
df = pd.DataFrame(d)

print(df)
   CusID  Name    Shop  Price
0      1  Paul  Pascal  24000
1      2  Mark   Casio      a
2      3  Bill    Nike    900

df.to_dict()
{'CusID': {0: 1, 1: 2, 2: 3},
 'Name': {0: 'Paul', 1: 'Mark', 2: 'Bill'},
 'Shop': {0: 'Pascal', 1: 'Casio', 2: 'Nike'},
 'Price': {0: '24000', 1: 'a', 2: '900'}}

---

(df.assign(**df.select_dtypes('O').apply(pd.to_numeric,errors='coerce')
   .fillna(df)).to_dict())

{'CusID': {0: 1, 1: 2, 2: 3},
 'Name': {0: 'Paul', 1: 'Mark', 2: 'Bill'},
 'Shop': {0: 'Pascal', 1: 'Casio', 2: 'Nike'},
 'Price': {0: 24000.0, 1: 'a', 2: 900.0}}