如何检查float pandas列是否只包含整数?

与比较 astype(int)

暂时将列转换为 int 并使用进行测试 np.array_equal :

np.array_equal(df.v, df.v.astype(int))
True

float.is_integer

您可以将此python函数与 apply :

df.v.apply(float.is_integer).all()
True

或者,使用python的 all 在发电机理解中,对于空间效率:

all(x.is_integer() for x in df.v)
True

以下是一种更简单、可能更快的方法:

(df[col] % 1  == 0).all()

要忽略空值,请执行以下操作:

(df[col].fillna(-9999) % 1  == 0).all()

如果要检查数据帧中的多个浮点列,可以执行以下操作:

col_should_be_int = df.select_dtypes(include=['float']).applymap(float.is_integer).all()
float_to_int_cols = col_should_be_int[col_should_be_int].index
df.loc[:, float_to_int_cols] = df.loc[:, float_to_int_cols].astype(int)

请记住,如果包含所有整数的浮点列 np.NaN 价值观要将缺少值的浮点列转换为整数,需要填充/删除缺少的值,例如,使用中值插补:

float_cols = df.select_dtypes(include=['float'])
float_cols = float_cols.fillna(float_cols.median().round()) # median imputation
col_should_be_int = float_cols.applymap(float.is_integer).all()
float_to_int_cols = col_should_be_int[col_should_be_int].index
df.loc[:, float_to_int_cols] = float_cols[float_to_int_cols].astype(int)

为了完整性, 熊猫v1.0+ 提供 convert_dtypes() utility ,它(在其他3个转换中)对仅包含整数的所有数据帧列(或序列)执行请求的操作。

如果要将转换仅限于单个列,可以执行以下操作:

>>> df.dtypes          # inspect previous dtypes
v                      float64

>>> df["v"] = df["v"].convert_dtype()
>>> df.dtypes          # inspect converted dtypes
v                      Int64

在…上 27 331 625行 它工作得很好。 时间:1.3秒

df['is_float'] = df[field_fact_qty]!=df[field_fact_qty].astype(int)

这条路走了 时间:4.9秒

df[field_fact_qty].apply(lambda x : (x.is_integer()))