将函数应用于列的所有元素（字符串列表）以转换为浮点数
Apply function to all the elements (lists of strings) of a column to convert into floats
我的数据框 df 有一列 'c' 字符串列表。例如第一个元素是 df.loc['index_0','c'] = ['10', ' 20'].
我想将列表中的所有元素转换为浮点数。例如 df 的第一个元素应该是 df.loc['index_0','c'] = [10.0, 20.0].
我知道如何使用 list(map(float, df.loc['index_0','c'])).
一次处理一个列表
我想对所有列表都这样做，我试过这个：df['c'].apply(lambda x: list(map(float, x))) 但我得到一个错误：'float' object is not iterable
我认为错误是由于列 c 中存在 NaN 值造成的，解决此问题的一种方法是在应用映射函数之前删除 NaN 值：
df['c'] = df['c'].dropna().apply(lambda x: list(map(float, x)))
df['C'].apply(lambda x: [float(element) for element in x])
如果我理解正确的话这会起作用
我的数据框 df 有一列 'c' 字符串列表。例如第一个元素是 df.loc['index_0','c'] = ['10', ' 20'].
我想将列表中的所有元素转换为浮点数。例如 df 的第一个元素应该是 df.loc['index_0','c'] = [10.0, 20.0].
我知道如何使用 list(map(float, df.loc['index_0','c'])).
我想对所有列表都这样做，我试过这个：df['c'].apply(lambda x: list(map(float, x))) 但我得到一个错误：'float' object is not iterable
我认为错误是由于列 c 中存在 NaN 值造成的，解决此问题的一种方法是在应用映射函数之前删除 NaN 值：
df['c'] = df['c'].dropna().apply(lambda x: list(map(float, x)))
df['C'].apply(lambda x: [float(element) for element in x])
如果我理解正确的话这会起作用