我试图把两个不同数组中的所有匹配元素放在一个单数数组中。但是,我遇到了一个类型错误,我不完全确定
这是我最初尝试做的:
IRS_zips = AGI.zipcode.unique() # np array of type int
medi_zips = df.nppes_provider_zip.unique() # np array of type object
为了找到匹配的元素,我做了:
like_zips = np.intersect1d(IRS_zips,medi_zips)
这将引发以下错误:
TypeError: '<' not supported between instances of 'str' and 'int'
这是有意义的,所以我检查两个数组的类型并尝试转换它们,在本例中medi_zips
不是正确的类型,所以我尝试转换该类型:
medi_fixed = medi_zips.astype(int)
引发错误:
ValueError: invalid literal for int() with base 10: 'M4K 2'
我发现这很奇怪,所以我在数据框中查找一个等于'M4K 2'
的值,我确实找到了它,它最终成为数据框的第一个元素,更重要的是显示为一个数字,或者在本例中是一个zipcode。这让我觉得这可能是一个编码问题?我不是很擅长
编辑:
根据要求,这是IRS\u zips的输出:
array([ 0, 35004, 35005, ..., 83127, 83128, 83414])
这是medi-zips的输出数组:
array(['21502', '60201', '43623', ..., '81656', '56137', '85246'],
dtype=object)
理想的输出将只是一个具有匹配zips的新数组,但是上面列出的是错误
编辑2:
现在可以了:
IRS_zips = AGI.zipcode.unique()
IRS_zips = (pd.to_numeric(IRS_zips, errors='coerce')).astype(int)
medi_zips = df.nppes_provider_zip.unique()
medi_int = pd.to_numeric(medi_zips, errors='coerce')
medi_int = (medi_int[~np.isnan(medi_int)]).astype(int)
这对我有用
相关问题 更多 >
编程相关推荐