使用pandas读取excel时遇到的某整数列读出浮点数

最新推荐文章于 2023-07-13 16:26:47 发布
最新推荐文章于 2023-07-13 16:26:47 发布
阅读量3k 收藏
点赞数
分类专栏： python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Cassiel60/article/details/108093206
版权

平时最喜欢用pandas 读取excel,最近工作时遇到对于某列整数列的表格，总是把整数读出了浮点数，后面加个.0，但其实我不需要变为浮点数。

原因是：我这一列整数是由函数vlookup查找来的，没有查找到的是NA

办法是：把NA替换为-,就可以了

爱笑的小牙
关注
专栏目录
pandas 小数位数 精度的处理
正在编程
01-19 4万+
控制台打印double时显示的小数位数和实际修改数据精度
python修改csv文件中列的数据类型_pandas读取CSV文件时查看修改各列的数据类型格式...
weixin_28946193的博客
01-14 6340
下面给大家介绍下pandas读取CSV文件时查看修改各列的数据类型格式，具体内容如下所述：我们在调bug的时候会经常查看、修改pandas列数据的数据类型，今天就总结一下：1.查看：Numpy和Pandas的查看方式略有不同，一个是dtype,一个是dtypesprint(Array.dtype)#输出int64print(df.dtypes)#输出Df下所有列的数据格式 a:...
Python 教学 | Pandas 表格字段类型精讲（含类型转换）
最新发布
weixin_55633225的博客
07-13 1760
本期文章，我们将在字段类型这一话题上进行更加深入的探索，同时学习如何对数据字段做类型转换。
【问题】python从excel读取的数据为数字时，自动加上.0转化为浮点型的解决【2022年2月5日】
qq_43505150的博客
02-05 2383
背景： 从excel里面读取2列数据： 执行程序时，打印获取到的数据：[4.0,4.0,1.0,1.0]； 而不是所需的：[4,4,1,1] 解决方法： excel中需要把数据列设置成 文本 格式保存，看到表格中左上角有绿色小三角基本就ok了。再运行。 ...
Pandas 读取 sql 整数变成浮点数
zhishifufei的博客
11-20 838
我遇到了一个问题,当我使用 pandas 读取 Mysql 表时,一些列(参见 'to_nlc')曾经是整数变成了浮点数(之后自动添加 .0)。任何人都可以弄清楚吗?当通过重新索引或其他方式将 NA 引入现有 Series 或 DataFrame 时,布尔和整数类型将被提升为不同的 dtype 以存储 NA。虽然这似乎是一个沉重的权衡,但在实践中,我发现在实践中这是一个问题的案例很少。在下一节中对这里的动机进行了一些解释。
【pandas】读取 Excel 整数总被读成带 .0 的浮点类型处理
nishishuizhang的博客
04-25 1803
pd.read_excel("test.xlsx", dtype={"a": np.int32, "b": str})
pandas读取excel保存xlsx文件中浮点数时间格式
weixin_42561395的博客
10-04 686
pandas读xlsx文件浮点数日期
pandas读取整数带小数点的解决办法
风のように.的博客
10-08 6153
针对于读取的文件中有整数也有小数，读取的时候整数也带上了小数点 解决办法：pd.read_csv(dtype=object)
excel中多行数字多行汉字交叉pandas怎么实现读出数字，读出汉字
06-08
如果Excel表格中存在多行数字和多行汉字交叉的情况，可以使用Pandas库中的read_excel()函数进行读取。默认情况下，Pandas会将所有数字读取为浮点数，将所有文本读取为字符串。 例如，如果我们有以下的Excel表格： ...
pandas查漏补缺
little_yueyue的博客
12-13 2160
contentsnumpynumpy数组基本信息numpy创建数组创建指定行数和列数的数组np.arange()和np.linspace()numpy 的运算乘法返回索引求和axiscumsum,diff,nonzero,sort,transpose,clipnumpy 产生随机数根据索引找数字按行拉直把横向数列变成纵向的numpy 的合并numpy 的分割等量分割不等量分割numpy 的copy numpy numpy数组基本信息 数组的维数： array.ndim 数组的shape：array.shap
Python数据分析（全） #超长预警 #思维导图 #matplotlib #numpy #pandas
七海的博客
04-21 2216
数据分析一、基础概念及环境2. CONDA环境安装 一、基础概念及环境 数据分析是Python数据科学的基础，也是机器学习课程的基础 数据分析： 大量的数据进行分析，帮助人们作出判断，以便采取适当行动。 2. CONDA环境安装 有的模块可能会互相干扰，所以要创建环境。每造一个项目，都可以创立一个环境。（如果没有特殊需求，没有必要安装） 如果pip install装不上的东西，CONDA几...
pandas学习第三天
qq_43498494的博客
01-16 443
文章目录pandas 索引序列以及二维数组的索引重复索引多层索引 pandas 索引 序列以及二维数组的索引 #np.random.rand(d0,d1,d2……dn) 注：使用方法与np.random.randn()函数相同 作用： 通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。 应用：在深度学习的Dropout正则化方法中，可...
Pandas数据分析中常见的浮点数精度损失问题详解
devid008的博客
06-12 2017
在使用Pandas进行数据分析计算时，我们经常会遇到由于浮点数精度损失导致的问题。这是因为在计算机中，浮点数是一个有限精度的类型，无法精确表示所有的实数。这会导致浮点数计算时产生舍入误差和精度损失，进而影响计算的正确性。
用pandas的iloc从excel读到的手机号带有小数解决方法
菜鸟学识的博客
11-03 2124
pandas读取excel是从第二行开始且起始为0，且iloc取到的数据类型为浮点型，获取整数需要手动转为int a= pandas.read_excel(test_data_path, sheet_name='sheet').iloc[0, 0] 需要拿到整数型解决方法 a= int(pandas.read_excel(test_data_path, sheet_name='sheet').iloc[0, 0]) a= pandas.read_excel(test_data_path, .
python int转float_python – Pandas Shift将Ints转换为Float和Rounds
weixin_39629989的博客
12-03 1779
当移动整数列时,我知道当Pandas因为存在NaN而自动将整数转换为浮点数时如何修复我的列.I basically use the method described here.但是,如果移位引入NaN从而将所有整数转换为浮点数,则会发生一些舍入(例如,在纪元时间戳上),因此即使将其重新转换为整数也不会复制它原来的内容.有任何解决这个问题的方法吗？示例数据：pd.DataFrame({'epoche...
pandas保存为Excel文件时小数位数增多的原因
Lyndon0_0的博客
12-11 3403
保存Excel要求float64，如果转换了数据类型，同时指定小数位数，此时保存会导致数据位数增多。 所以，保存原数据，需要把数据类型改为float64 df = pd.DataFrame([[0.862513, 0.2354]]) print(df.dtypes) print(df) df = df.astype(np.float32) df = pd.DataFrame.round(df, 4) print(df.dtypes) df.to_excel('test01.xlsx') # 即使保留4
pd.read_csv读取txt时整型变成浮点型问题解决
studyvcmfc的专栏
08-12 4065
https://zhuanlan.zhihu.com/p/27440031
pandas读取文件常用方法与参数
trayvontang的博客
12-31 2092
常用方法 df = pd.read_excel() df = pd.read_csv() df.to_csv() df.to_excel() header header默认为0，表示第一行是表头，如果header设置为None表示没有表头 header也可以是其他整数n，表示n+1行是表头，并且前n行的数据并不会读取 usecols 需要选择哪些列，默认None None，读取所有列 ...
pandas读取数值类型数据时，解决小数末尾补0问题
LOVE_XUAN521的专栏
06-15 1072
d11.insert(loc=3,column='考试代码',value=data['考试科目代码'])d11.rename(columns={'数学分数':'数学成绩'}，inplace=True)d11['数学成绩']=data['数学成绩'].round(decimals=4)d11=data[['姓名'，‘年龄’，‘数学分数’,'考试科目代码']]d11['数学成绩']=d11['数学成绩'].apply(float)d11['数学成绩']=d11['数学成绩'].apply(f1)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值