将pandas数据框列从浮点数转换为对象，包含混合的浮点数和整数值

Question

我在一个pandas的数据表中有一列，里面的值类型混合。有些是小数，有些是整数。由于一些规定，我需要把整数显示成没有小数点的样子。我想把这一列转换成对象类型，其中一些行是浮点数（float64），而另一些是整数（int）。

我现在的尝试是这样的：

import pandas as pd

# Sample DataFrame
data = {'A': [7.62, 5.0, 10.25, 3.0, 8.0]}

df = pd.DataFrame(data)

df['A'] = df['A'].astype('object')

# Function to format the values 
def format_decimal(x):
    if x % 1 == 0:
        return int(x)
    else:
        return x


df['A'] = df['A'].apply(format_decimal)


print(df)

A
7.62
5.00
10.25
3.00
8.00

但是这样做没有成功，结果是5还是显示成5.0。如果需要的话，把整数当成字符串来表示也可以，我只需要去掉小数点后的0。

Answer 1

补充说明：我之前错误地使用了 strip。我修改后的方案在你的原始列包含浮点数时会有效（比如5.0转换成字符串时会有一个多余的0），但@mozway提出的方案更稳妥。

你可以把这一列转换成字符串，然后替换掉结尾的 .0：

df["A"] = df["A"].astype("string")
df["A"] = df["A"].str.replace(r".0$", "", regex=True)

       A
0   7.62
1      5
2  10.25
3      3
4      8

Answer 2

如果你想保留数字，可以创建一个叫做 Series 的对象：

def try_cast_int(s):
    return pd.Series([i if (i:=int(x))==x else x for x in s],
                     dtype=object, index=s.index)

df['out'] = try_cast_int(df['A'])

“如果有必要，可以把整数表示成字符串，只需要去掉后面的 .0 字符就行。”

把数字转换成字符串后，可以使用 str.replace 来去掉后面的 .0：

df['out'] = df['A'].astype(str).str.replace('.0*$', '', regex=True)

举个例子：

         A     out
0    7.620    7.62
1    5.000       5
2   10.250   10.25
3    3.000       3
4    8.000       8
5  100.000     100
6   10.001  10.001

注意，第一个代码创建了一个包含整数和浮点数的 Series 对象，第二个代码创建的是字符串。

使用的输入：

data = {'A': [7.62, 5.0, 10.25, 3.0, 8.0, 100.0, 10.001]}

df = pd.DataFrame(data)

Answer 3

你可以结合使用 apply() 和一个叫做 lambda 的小函数，来根据条件格式化数值，像这样：

import pandas as pd

data = {'A': [7.62, 5.0, 10.25, 3.0, 8.0, 100.0, 10.001]}
df = pd.DataFrame(data)

def format_decimal(x):
    if x == int(x):
        return str(int(x))
    else:
        return str(x)

df['out'] = df['A'].apply(lambda x: format_decimal(x))

print(df)

输出结果：

         A     out
0    7.620    7.62
1    5.000       5
2   10.250   10.25
3    3.000       3
4    8.000       8
5  100.000     100
6   10.001  10.001