根據此處的答案，我正在嘗試從一個數據框中刪除其他數據框中存在的行。它適用于這個輸入：csv1：sale_date,price,latitude,longitudeWed May 21 00:00:00 EDT 2008,141000,38.423251,-121.444489Wed May 21 00:00:00 EDT 2008,146250,38.48742csv2：sale_date,price,latitude,longitudeWed May 21 00:00:00 EDT 2008,146250,38.48742代碼：>>> a = pd.read_csv('../test.csv', escapechar='\\')>>> a sale_date price latitude longitude0 Wed May 21 00:00:00 EDT 2008 141000 38.423251 -121.4444891 Wed May 21 00:00:00 EDT 2008 146250 38.487420 NaN>>> b = pd.read_csv('../test1.csv', escapechar='\\')>>> b sale_date price latitude longitude0 Wed May 21 00:00:00 EDT 2008 146250 38.48742 NaN>>> pd.concat([a,b]).drop_duplicates(keep=False) sale_date price latitude longitude0 Wed May 21 00:00:00 EDT 2008 141000 38.423251 -121.444489這按預期工作。但是，一旦第一個 csv 中還有其他行，它就不起作用了。場景 2 在 csv1 中有額外的行csv1：sale_date,price,latitude,longitudeWed May 21 00:00:00 EDT 2008,141000,38.423251,-121.444489Wed May 21 00:00:00 EDT 2008,146250,38.48742Wed May 21 00:00:00 EDT 2008,147308,38.658246a,-121.375469acsv2：sale_date,price,latitude,longitudeWed May 21 00:00:00 EDT 2008,146250,38.48742代碼：>>> a = pd.read_csv('../test.csv', escapechar='\\')>>> a sale_date price latitude longitude0 Wed May 21 00:00:00 EDT 2008 141000 38.423251 -121.4444891 Wed May 21 00:00:00 EDT 2008 146250 38.48742 NaN2 Wed May 21 00:00:00 EDT 2008 147308 38.658246a -121.375469a>>> b = pd.read_csv('../test1.csv', escapechar='\\')>>> b sale_date price latitude longitude0 Wed May 21 00:00:00 EDT 2008 146250 38.48742 NaN請注意，它還將合并行中第二個重復的緯度值更改為38.4874from38.48742我在這里遺漏了什么還是熊貓有錯誤？
1 回答
慕田峪7331174
TA貢獻1828條經驗 獲得超13個贊
就像@ayhan 評論的那樣，aDataFrame 中的問題是列latitude和longitude列中的數字之間的字符串，因此所有列都被轉換為字符串。
在另一個 DataFrame 中，默認情況下將列轉換為floats。
一種可能的解決方案是使用DataFrame 的dtype參數b：
b = pd.read_csv('../test1.csv', escapechar='\\', dtype={'latitude':str, 'longitude':str})
df = pd.concat([a,b]).drop_duplicates(keep=False)
print (df)
sale_date price latitude longitude
0 Wed May 21 00:00:00 EDT 2008 141000 38.423251 -121.444489
2 Wed May 21 00:00:00 EDT 2008 147308 38.658246a -121.375469a
或to_numeric用于 中的列a：
a['latitude'] = pd.to_numeric(a['latitude'], errors='ignore')
a['longitude'] = pd.to_numeric(a['longitude'], errors='ignore')
df = pd.concat([a,b]).drop_duplicates(keep=False)
print (df)
sale_date price latitude longitude
0 Wed May 21 00:00:00 EDT 2008 141000 38.423251 -121.444489
2 Wed May 21 00:00:00 EDT 2008 147308 38.658246a -121.375469a
添加回答
舉報
0/150
提交
取消