Pandas strip 函数也删除数值
Pandas strip function removes numeric values as well
我有一个可以从下面的代码生成的数据框
data_file= pd.DataFrame({'studyid':[1,2,3],'age_interview': [' 56','57 ','55'],'ethnicity': ['Chinese','Indian','European'],'Marital_status': ['Single','Married','Widowed'],'Smoke_status':['Yes','No','No']})
创建上述数据框后,我将其融化并应用 strip 函数
obs = data_file.melt('studyid', value_name='valuestring').sort_values('studyid')
obs['valuestring'].str.strip()
虽然它在示例数据中运行良好,但在实际数据中它也会删除数值。我遵循与上面相同的代码,但只是数据不同。
求strip函数前后截图
在"obs['valuestring'].str.strip()"
之前输出
"obs['valuestring'].str.strip()"
后的输出
如何防止删除数值?
您的列中似乎混合了整数和字符串。这是一个可重现的例子:
s = pd.Series([1, np.nan, 'abc ', 2.0, ' def '])
s.str.strip()
0 NaN
1 NaN
2 abc
3 NaN
4 def
dtype: object
如果值不是字符串,则隐式处理为 NaN。
解决方案是在调用 strip 之前将列及其所有值转换为字符串。
s.astype(str).str.strip()
0 1
1 nan
2 abc
3 2.0
4 def
dtype: object
你的情况是
obs['valuestring'] = obs['valuestring'].astype(str).str.strip()
请注意,如果您想保留 NaN,请在末尾使用 mask
。
s.astype(str).str.strip().mask(s.isna())
0 1
1 NaN
2 abc
3 2.0
4 def
dtype: object
我有一个可以从下面的代码生成的数据框
data_file= pd.DataFrame({'studyid':[1,2,3],'age_interview': [' 56','57 ','55'],'ethnicity': ['Chinese','Indian','European'],'Marital_status': ['Single','Married','Widowed'],'Smoke_status':['Yes','No','No']})
创建上述数据框后,我将其融化并应用 strip 函数
obs = data_file.melt('studyid', value_name='valuestring').sort_values('studyid')
obs['valuestring'].str.strip()
虽然它在示例数据中运行良好,但在实际数据中它也会删除数值。我遵循与上面相同的代码,但只是数据不同。
求strip函数前后截图
在"obs['valuestring'].str.strip()"
之前输出"obs['valuestring'].str.strip()"
后的输出如何防止删除数值?
您的列中似乎混合了整数和字符串。这是一个可重现的例子:
s = pd.Series([1, np.nan, 'abc ', 2.0, ' def '])
s.str.strip()
0 NaN
1 NaN
2 abc
3 NaN
4 def
dtype: object
如果值不是字符串,则隐式处理为 NaN。
解决方案是在调用 strip 之前将列及其所有值转换为字符串。
s.astype(str).str.strip()
0 1
1 nan
2 abc
3 2.0
4 def
dtype: object
你的情况是
obs['valuestring'] = obs['valuestring'].astype(str).str.strip()
请注意,如果您想保留 NaN,请在末尾使用 mask
。
s.astype(str).str.strip().mask(s.isna())
0 1
1 NaN
2 abc
3 2.0
4 def
dtype: object