在将数据框转换为数据透视表时,我发现了熊猫的怪异行为.
import pandas as pd
df = pd.DataFrame({'car_id': {0: 'Trabant', 1: 'Buick', 2: 'Dodge'}, 'car_order': {0: 2, 1: 1, 2: 14}, 'car_name': {0: 'Trabant', 1: 'Buick', 2: 'Dodge'}, 'car_rank': {0: 111111317.29, 1: 1111112324.0, 2: 1111112324.5}})
table = df.pivot_table(index=['car_id', 'car_name', 'car_order'], columns=[],values=['car_rank'], fill_value='',dropna=True)
print table
df1 = pd.DataFrame({'car_id': {0: 'Trabant', 1: 'Buick', 2: 'Dodge'}, 'car_order': {0: 2, 1: 1, 2: 14}, 'car_name': {0: 'Trabant', 1: 'Buick', 2: 'Dodge'}, 'car_rank': {0: 17.29, 1: 24.0, 2: 24.5}})
table1 = df1.pivot_table(index=['car_id', 'car_name', 'car_order'], columns=[],values=['car_rank'], fill_value='',dropna=True)
print table1
结果输出：
Table
car_rank
car_id  car_name car_order
Buick   Buick    1          1111112324
Dodge   Dodge    14         1111112324
Trabant Trabant  2           111111317
Table 1
car_rank
car_id  car_name car_order
Buick   Buick    1             24.00
Dodge   Dodge    14            24.50
Trabant Trabant  2             17.29
您知道为什么在表中将值转换为int并为表1的值保留为浮点数吗？
熊猫0.18.0,python 2.7.9
解决方法:
这是我对熊猫0.18.0的观察结果：
pandas / tools / pivot.py的数据源的pivot_table()行定义：141-142：
if fill_value is not None:
table = table.fillna(value=fill_value, downcast='infer')
这正是枢转DF发生的情况：
In [78]: df.fillna('', downcast='infer')
Out[78]:
car_id car_name  car_order    car_rank
0  Trabant  Trabant          2   111111317
1    Buick    Buick          1  1111112324
2    Dodge    Dodge         14  1111112324
类型：
In [48]: df.fillna('', downcast='infer').dtypes
Out[48]:
car_id       object
car_name     object
car_order     int64
car_rank      int64
dtype: object
有趣的是-如果您正确地使用了ivot_table()(即用于透视)-它可以正常工作：
In [81]: df.pivot_table(index=['car_id', 'car_order'], columns=['car_name'], values=['car_rank'],dropna=True, fill_value='')
Out[81]:
car_rank
car_name                  Buick         Dodge      Trabant
car_id  car_order
Buick   1         1111112324.00
Dodge   14                      1111112324.50
Trabant 2                                     111111317.29
PS我仍然不明白为什么您会以这种奇怪的方式使用pivot_table-您将要实现什么？
标签：pandas,dataframe,type-conversion,pivot-table,python
来源： https://codeday.me/bug/20191027/1942475.html

我在python列表中将float转换为int时遇到了问题。在
列表中的一个元素如下所示：{'artForm': 'Madur',
'artistName': 'Bharati Dolai',
'gender': 'F',
'district': 'Paschim Medinipur',
'phone': '',
'artisanCard': {'exists': 'N', 'cardNo': ''},
'dob': '',
'age': 45.0,
'year': 1971.0,
'education': 'I',
'childrenGoToSchool': 'Y'
}
我无法将age和year转换为int
我的代码：
^{pr2}$
我得到以下错误ValueError: cannot convert float NaN to integer
期望输出：{'artForm': 'Madur',
'artistName': 'Bharati Dolai',
'gender': 'F',
'district': 'Paschim Medinipur',
'phone': '',
'artisanCard': {'exists': 'N', 'cardNo': ''},
'dob': '',
'age': 45,                  #converted to int
'year': 1971,               #converted to int
'education': 'I',
'childrenGoToSchool': 'Y'
}

我有一个矩阵tempsyntheticGroup2有6列.我想将列(0,1,2,3,5)的值从float更改为int.这是我的代码：
tempsyntheticGroup2=tempsyntheticGroup2[:,[0,1,2,3,5]].astype(int)
但它没有正常工作,我松开了其他列.
解决方法:
我不认为你可以有一个numpy数组,其中一些元素是整数,一些是浮点数(每个数组只有一个可能的dtype).但是如果你只想舍入到较低的整数(同时将所有元素保持为浮点数),你可以这样做：
# define dummy example matrix
t = np.random.rand(3,4) + np.arange(12).reshape((3,4))
array([[  0.68266426,   1.4115732 ,   2.3014562 ,   3.5173022 ],
[  4.52399807,   5.35321628,   6.95888015,   7.17438118],
[  8.97272076,   9.51710983,  10.94962065,  11.00586511]])
# round some columns to lower int
t[:,[0,2]] = np.floor(t[:,[0,2]])
# or
t[:,[0,2]] = t[:,[0,2]].astype(int)
array([[  0.        ,   1.4115732 ,   2.        ,   3.5173022 ],
[  4.        ,   5.35321628,   6.        ,   7.17438118],
[  8.        ,   9.51710983,  10.        ,  11.00586511]])
否则你可能需要将原始数组拆分为2个不同的数组,其中一个包含保留浮点数的列,另一个包含成为整数的列.
t_int =  t[:,[0,2]].astype(int)
array([[ 0,  2],
[ 4,  6],
[ 8, 10]])
t_float = t[:,[1,3]]
array([[  1.4115732 ,   3.5173022 ],
[  5.35321628,   7.17438118],
[  9.51710983,  11.00586511]])
请注意,您必须相应地更改索引以访问您的元素…
标签：python,numpy

原因可能是你用了np.zeros(count)，它的默认数据类型是float64类型的，而且不管你往这个np列表传入什么类型的值，或者后期怎么int()都没用，因为它会自动又改为float类型。并且这个float类型可不是原生的浮点类型， 虽然“看”起来差不多， 但我们type一下看看。

这个是针对本问题的输出结果和类型：



这个是普通的0.0的输出结果和其类型：



解决方法：

一维数组：list = np.zeros(count)   改为  list = [0 for i in range(count)]

二维数组：list = np.zeros(count，count)   改为  list = [[0 for i in range(count)] for i in range(count)]