我正在尝试查看是否可以从此电话号码列中删除尾随零。
示例：
0
1 8.00735e+09
2 4.35789e+09
3 6.10644e+09
此列中的类型是一个对象，我尝试对其进行舍入，但收到错误。我检查了其中几个，我知道它们的格式为“8007354384.0”，并且想要去掉小数点后面的零。
有时我会收到这种格式的数据，有时则不会，它们将是整数。我想检查电话列是否有尾随零，然后将其删除。
我有这段代码，但我不知道如何检查每行的尾随零。
data.ix[data.phone.str.contains('.0'), 'phone']
我收到错误=>
*** ValueError: cannot index with vector containing NA / NaN values有人有什么建议吗？我是 pandas 的新手，但到目前为止它是一个有用的库。我们将不胜感激您的帮助。
注意 上面提供的示例，第一行有一个空数据，我有时会这样做。只是为了确保电话号码不会表示为 0。
空数据也被视为字符串，因此如果行为空，它是浮点数和字符串的混合。
使用
astype(np.int64)s = pd.Series(['', 8.00735e+09, 4.35789e+09, 6.10644e+09])
mask = pd.to_numeric(s).notnull()
s.loc[mask] = s.loc[mask].astype(np.int64)
s
0
1 8007350000
2 4357890000
3 6106440000
dtype: object
在 Pandas/NumPy 中，整数不允许采用 NaN 值，并且数组/系列（包括数据框列）的数据类型是同质的 --- 因此，拥有一列整数，其中某些条目为
Nonenp.nan编辑：
data.phone.astype('object')strfloatint假设您想保留这些 NaN 条目，则转换为字符串的方法是一种有效的可能性：
data.phone.astype(str).str.split('.', expand = True)[0]应该可以提供您要查找的内容（您可以使用其他字符串方法，例如
.replace.extract.split或者，如果您只对浮点数的显示感兴趣（我认为不太可能），您可以执行
pd.set_option('display.float_format','{:.0f}'.format)cs95 的这个答案删除了一行中的尾随“.0”。
df = df.round(decimals=0).astype(object)
就做吧
data['phone'] = data['phone'].astype(str)
data['phone'] = data['phone'].str.replace('.0', ' ')
对列中的所有条目执行查找，并将任何“.0”匹配项替换为空格。例如
data = pd.DataFrame(
data = [['bob','39384954.0'],['Lina','23827484.0']],
columns = ['user','phone'], index = [1,2]
)
data['phone'] = data['phone'].astype(str)
data['phone'] = data['phone'].str.replace('.0', ' ')
print data
user phone
1 bob 39384954
2 Lina 23827484
import numpy as np
import pandas as pd
s = pd.Series([ None, np.nan, '',8.00735e+09, 4.35789e+09, 6.10644e+09])
s_new = s.fillna('').astype(str).str.replace(".0","",regex=False)
s_new
这里我用空字符串填充null值，将series转换为字符串类型，用空字符串替换
.00
1
2
3 8007350000
4 4357890000
5 6106440000
dtype: object
因此，当您有混合类型的数据时，例如某些行是 NaN，有些行具有 int 值，Pandas 通过查看事件中的数据类型来自动分配数据类型，它很可能会分配
dtype: objectfloat64前1：
import pandas as pd
data = [['tom', 10934000000], ['nick', 1534000000], ['juli', 1412000000]]
df = pd.DataFrame(data, columns = ['Name', 'Phone'])
>>> df
Name Phone
0 tom 10934000000
1 nick 1534000000
2 juli 1412000000
>>> df.dtypes
Name object
Phone int64
dtype: object
在上面的示例中，pandas 假设数据类型为 int64，原因是没有一行具有 NaN，并且 Phone 列中的所有行都具有整数值。
前2：
>>> data = [['tom'], ['nick', 1534000000], ['juli', 1412000000]]
>>> df = pd.DataFrame(data, columns = ['Name', 'Phone'])
>>> df
Name Phone
0 tom NaN
1 nick 1.534000e+09
2 juli 1.412000e+09
>>> df.dtypes
Name object
Phone float64
dtype: object
要回答您的实际问题，要在最后摆脱 .0，您可以执行类似的操作
解决方案1：
>>> data = [['tom', 9785000000.0], ['nick', 1534000000.0], ['juli', 1412000000]]
>>> df = pd.DataFrame(data, columns = ['Name', 'Phone'])
>>> df
Name Phone
0 tom 9.785000e+09
1 nick 1.534000e+09
2 juli 1.412000e+09
>>> df['Phone'] = df['Phone'].astype(int).astype(str)
>>> df
Name Phone
0 tom 9785000000
1 nick 1534000000
2 juli 1412000000
解决方案2：
>>> df['Phone'] = df['Phone'].astype(str).str.replace('.0', '', regex=False)
>>> df
Name Phone
0 tom 9785000000
1 nick 1534000000
2 juli 1412000000
尝试将
str.isnumericastypelocs = pd.Series(['', 8.00735e+09, 4.35789e+09, 6.10644e+09])
c = s.str.isnumeric().astype(bool)
s.loc[c] = s.loc[c].astype(np.int64)
print(s)
现在：
print(s)
输出：
0
1 8007350000
2 4357890000
3 6106440000
dtype: object
这是使用 pandas 可空整数的解决方案（该解决方案假设输入 Series 值是空字符串或浮点数）：
import pandas as pd, numpy as np
s = pd.Series(['', 8.00735e+09, 4.35789e+09, 6.10644e+09])
s.replace('', np.nan).astype('Int64')
输出（pandas-0.25.1）：
0 NaN
1 8007350000
2 4357890000
3 6106440000
dtype: Int64
解决方案的优点：
这取决于电话号码存储的数据格式。
如果是数字格式，更改为整数可能会解决问题
df = pd.DataFrame({'TelephoneNumber': [123.0, 234]})
df['TelephoneNumber'] = df['TelephoneNumber'].astype('int32')
如果它确实是一个字符串，您可以替换并重新分配该列。
df2 = pd.DataFrame({'TelephoneNumber': ['123.0', '234']})
df2['TelephoneNumber'] = df2['TelephoneNumber'].str.replace('.0', '')
import numpy as np
tt = 8.00735e+09
time = int(np.format_float_positional(tt)[:-1])
如果某人仍然有趣： 我遇到的问题是我对 df 进行四舍五入并得到尾随零。 这就是我所做的。
new_df = np.round(old_df,3).astype(str)
然后 new_df 中所有尾随零都消失了。
我也面临着同样的问题，某些行中有空环。
这个 Python - 从字符串中删除小数和零链接最有帮助的答案帮助了我。