如何将一系列字符串从熊猫列转换为整数

Question

我有一个熊猫数据框，其日期列中的日期格式为“2016-05-03”这些字符串是顺便说一句。我需要将它们从字符串转换为int，并在连字符（' - '）处进行拆分，并仅在[0]年提取。

这就是我试图把字符串转换成整数：

tyc.startDate = tyc.startDate.astype(np.int64) 

但它返回错：

ValueError异常：无效的字面INT（）基数为10：“2015年-06-01'

，这就是我为分裂做：

tyc.startDate.str.split('-')[0] 

和

tyc.startDate.str.split('-', [0]) 

，但是这是不工作要么，它的分裂并以这种形式在列返回所有行的列表： [“2015年”，“06”，“01”]，我想只分开一年！

我敢肯定，有一个简单的方法来转换为int，并在位置0处分割（' - '），然后将其作为新列添加到df中，请大家帮忙！

Answer 1

我相信您的数据包含NaN S或一些不datetime值：

tyc = pd.DataFrame({'startDate':['2016-05-03','2017-05-03', np.nan], 
        'col':[1,2,3]}) 
print (tyc) 
    col startDate 
0 1 2016-05-03 
1 2 2017-05-03 
2 3   NaN 

使用str[0]退货第一李首先每行的st值。但随后有问题 - 一些NaNs，不能转化为int（是设计） - 使输出浮动：

print (tyc.startDate.str.split('-').str[0].astype(float)) 
0 2016.0 
1 2017.0 
2  NaN 
Name: startDate, dtype: float64 

另一种解决方案是通过to_datetime转换为datetime和解析一年year：

print (pd.to_datetime(tyc.startDate, errors='coerce')) 
0 2016-05-03 
1 2017-05-03 
2   NaT 
Name: startDate, dtype: datetime64[ns] 

print (pd.to_datetime(tyc.startDate, errors='coerce').dt.year) 
0 2016.0 
1 2017.0 
2  NaN 
Name: startDate, dtype: float64 

对于删除 NaN小号

---

解决方案：

tyc['year'] = pd.to_datetime(tyc.startDate, errors='coerce').dt.year 
print (tyc) 
    col startDate year 
0 1 2016-05-03 2016.0 
1 2 2017-05-03 2017.0 
2 3   NaN  NaN 

1.

通过dropna与NaN动手清除所有的行，然后浇铸到int：

tyc = tyc.dropna(subset=['year']) 
tyc['year'] = tyc['year'].astype(int) 
print (tyc) 
    col startDate year 
0 1 2016-05-03 2016 
1 2 2017-05-03 2017 

2。

通过fillna通过像1一些int值替换NaN秒，然后转换为int：

tyc['year'] = tyc['year'].fillna(1).astype(int) 
print (tyc) 
    col startDate year 
0 1 2016-05-03 2016 
1 2 2017-05-03 2017 
2 3   NaN  1 

Answer 2

您可以使用apply：

def mod_strings(date_str): 
    try: 
     return int(date_str.split('-')[0]) 
    except (AttributeError, IndexError): # in case value is not as 
              # expected returning original value 
     return date_str 

tyc.startDate = tyc.startDate.apply(mod_strings) 

，但它可能会更容易简单地整列从字符串转换为日期对象，然后使用tyc.startDate = tyc.startDate.dt.year（假设大熊猫版本> = 0.16）