如何在不更改值的情况下从浮点值中删除点 - Python Pandas

所以我的 df 中有一个 ID 列是这样的：

我必须去掉点，让所有数字保持原样，就像这样：

我尝试使用替换，但是当我将此列转换为字符串时，我得到了一些奇怪的值。这是我通常使用的方法：

def substitute (df,column,before,after):
    df[column]=df[column].astype(str)
    df[column]=df[column].str.replace(before,after)
    return 'Done'

但是当我使用那个方法时，我得到了这样的结果：

 ID
931876599999994
938764388899999994
948724388555599999
9587322999994300000002

我知道当我尝试将列转换为字符串时会发生这种情况，这是因为浮点数的存储方式，但我找不到解决方案。

提前致谢！

解决办法：我需要确定我的列中的小数位数，然后使用替换

df[ID] = df[ID].apply(lambda x: '{0:.4f}'.format(x))
substitute (df,'ID',after)

您可以转换为字符串，删除点并再次转换为整数：

s = pd.Series([93.18767,93.87657,94.87246,95.87323],name='ID')
s.astype(str).str.replace('.','').astype(int)

输出：

0    9318767
1    9387657
2    9487246
3    9587323

或者，如果您的数据始终采用 xx.xxxxx 形式，您可以乘以 10 的必要幂以达到整数（此处为 1e5）：

(s*1e5).astype(int)

简单地说，你可以试试下面的 str.replace + astype

数据帧示例：

>>> df
         ID
0  93.18767
1  93.87657
2  94.87246
3  95.87323

方法一：如果您打算简单地从 . 值中删除 float 而不是在删除点后将它们作为 float 使用，请在下面使用。

>>> df['ID'].astype(str).str.replace(".","")
0    9318767
1    9387657
2    9487246
3    9587323
Name: ID,dtype: object

第二，从数字中删除dots，然后再次将其转换为类型int，即字面上的int64。

>>> df['ID'].astype(str).str.replace(".","").astype("int")
0    9318767
1    9387657
2    9487246
3    9587323
Name: ID,dtype: int64

另一个，从数字中删除 dots 然后再次将其转换为类型 float 即字面上的 float64 但你会得到最后虽然是数字。

>>> df['ID'].astype(str).str.replace(".","").astype("float64")
0    9318767.0
1    9387657.0
2    9487246.0
3    9587323.0
Name: ID,dtype: float64

另一个技巧： 因为 \D 匹配任何 non-decimal digit。

>>> df['ID'].astype(str).str.replace(r'\D+','')
0    9318767
1    9387657
2    9487246
3    9587323
Name: ID,dtype: object