我在csv
文件中有一个杂乱的列(数据帧的A列)。
using CSV, DataFrames
df = DataFrame(A = ["1", "3", "-", "4", missing, "9"], B = ["M", "F", "R", "G", "Z", "D"])
我想要做的是:
Float64
)"-"
中转换字符串missing
策略是首先定义一个填充缺失的新列向量
df[:C] = fill(missing, size(df)[1])
然后使用for循环执行2次转换
for i in 1:size(df)[1]
if df[:A][i] == "-"
continue
else
df[:C][i] = parse(Float64,df[:A][i])
end
end
但是,在查看df[:C]
时,我的列中只有缺失的列。我究竟做错了什么?
你的代码有几个问题,但首先让我展示一下我将如何编写这个转换:
df.C = passmissing(parse).(Float64, replace(df.A, "-"=>missing))
它不是最有效的方法,但很容易推理。
使用循环的实现可能如下所示:
df.C = similar(df.A, Union{Float64, Missing});
for (i, a) in enumerate(df.A)
if !ismissing(a) && a != "-"
df.C[i] = parse(Float64, a)
else
df.C[i] = missing
end
end
请注意,默认情况下similar
会用df.C
填充missing
,因此可以删除else
部分,但是没有记录此行为,因此编写它更安全。
你也可以使用一种理解:
df. C = [ismissing(a) || a == "-" ? missing : parse(Float64, a) for a in df.A]
现在,为了修复您的代码,您可以编写:
# note a different initialization
# in your code df.C allowed only values of Missing type and disallows of Float64 type
df.C = Vector{Union{Float64, Missing}}(missing, size(df, 1))
for i in 1:size(df)[1]
# note that we need to handle missing value and "=" separately
if ismissing(df.A[i]) || df.A[i] == "-"
continue
else
df.C[i] = parse(Float64,df.A[i])
end
end
最后请注意,最好编写df.C
而不是df[:C]
来访问数据框中的列(目前两者都是等效的,但将来可能会改变)。