掌握Pandas中‘object’类型数据的数值分析与智能转换：以计算平均值为例

本教程详细讲解了在Pandas中处理包含数值信息的'object'类型数据以进行描述性统计分析的方法。针对数据集中常见的数值与单位混合、小数分隔符不一致等问题，文章提供了一套智能转换策略，通过逐列遍历和条件解析，将非标准数值字符串转换为可计算的浮点数，最终实现对这些复杂'object'列的平均值等统计量计算。

在数据分析过程中，我们经常会遇到Pandas DataFrame中某些列的数据类型被错误识别为object，但实际上这些列包含的是数值信息，例如"15.6 inches"、"2 - 4 kg"或"1 TB"。直接对这些object类型的列进行平均值、中位数等描述性统计计算会导致错误或无法进行。本教程旨在提供一套系统的方法，帮助用户识别、清理并智能转换这些看似复杂的数据，使其能够正确地进行数值分析。

数据探索与问题识别

首先，我们通过df.info()和df.head()来初步了解数据集的结构和数据类型。

import pandas as pd
import numpy as np

# 假设数据已从 'data.xlsx' 加载
df = pd.read_excel('data.xlsx')
print(df.info())

从df.info()的输出中，我们可以看到许多列，如Memory Speed、Device Weight、Screen Size、GPU Memory Size、Max Processor Speed、RAM (System Memory)和SSD Capacity等，都被识别为object类型，但它们的名称明显暗示了数值含义。

df.head()的输出进一步证实了这一点，例如：

PictoGraphic

AI驱动的矢量插图库和插图生成平台

133 查看详情

• Memory Speed: "1066 MHz", "3200 MHz"
• Device Weight: "2 - 4 kg", "1 - 2 kg"
• Screen Size: "10 inches", "15.6 inches"
• GPU Memory Size: "Shared", "1 GB", "2 GB"
• SSD Capacity: "1 TB", "512 GB"
• Max Screen Resolution: "1920 x 1080"

直接使用df.describe(include='all')可以对所有列进行描述性统计，但对于非数值的object列，它只能提供计数、唯一值、最常见值等信息，无法计算平均值、标准差等数值统计量。例如，Backlit Keyboard列在df.info()中显示为int64，因此可以直接计算其平均值，但其他object列则不行。

'Object'类型数据的挑战

当Pandas将一列识别为object类型时，通常意味着该列包含了混合数据类型（如字符串和数字），或者其所有值都是字符串，但这些字符串需要进一步解析才能提取数值。常见的挑战包括：

1. 数值与单位混合: 例如 "15.6 inches"，需要提取 "15.6"。
2. 数值范围: 例如 "2 - 4 kg"，可能需要取中间值或转换为范围。
3. 小数分隔符不一致: 某些地区使用逗号作为小数分隔符（例如 "1,23" 而非 "1.23"）。
4. 特殊格式: 例如 "1920 x 1080" 表示分辨率，不直接是单个数值。
5. 单位转换: 例如 "1 TB" 和 "512 GB" 需要统一单位（如都转换为 TB）才能进行比较和计算。
6. 非数值描述: 例如 "Shared" (GPU Memory Size) 或 "Very Low" (Price)，这些本身就不是数值。
7. 缺失值处理: NaN（Not a Number）或空字符串需要被正确识别和处理。

智能类型转换策略

为了对这些object类型的列进行数值分析，我们需要设计一个智能的转换流程。核心思想是遍历每个object类型的列，并对其中的每个值进行条件判断和解析。

以下是实现这一策略的Python代码示例：

import pandas as pd
import numpy as np

# 假设 df 已经加载
# df = pd.read_excel("Dataset.xlsx") # 使用你的实际文件名

# 创建一个空的DataFrame副本，用于存储转换后的数据
df_converted = pd.DataFrame(columns=df.columns)

for col in df.columns: # 遍历原始DataFrame的每一列
    if df[col].dtype == "object": # 检查列的数据类型是否为 'object'
        converted_values = [] # 初始化一个列表，用于存储当前列转换后的值
        for val in df[col].values: # 遍历当前列的每一个值
            if pd.isna(val): # 如果是缺失值 (NaN)，则直接添加 NaN
                converted_values.append(np.nan)
            elif isinstance(val, (int, float)): # 如果值已经是数字类型，直接添加
                converted_values.append(val)
            elif isinstance(val, str): # 确保值是字符串类型，以便进行字符串操作
                val_stripped = val.strip() # 去除首尾空格

                # 处理小数分隔符，将逗号替换为点
                if "," in val_stripped:
                    val_stripped = val_stripped.replace(",", ".")

                # 尝试分割字符串以处理数值和单位
                if " " in val_stripped:
                    val_splitted = val_stripped.split(" ")

                    if len(val_splitted) >= 2: # 如果分割后有多部分
                        try:
                            numeric_part = float(val_splitted[0])
                            unit_part = val_splitted[1].lower() # 获取单位并转为小写

                            if col == "SSD Capacity": # 特殊处理 SSD 容量列，进行单位统一
                                if unit_part == "gb":
                                    converted_values.append(numeric_part / 1000) # GB 转换为 TB
                                elif unit_part == "tb":
                                    converted_values.append(numeric_part)
                                else: # 未知单位，保留原始值
                                    converted_values.append(val)
                            elif col == "Device Weight": # 处理 Device Weight 范围，取平均值
                                if "-" in val_splitted[0]: # "2-4" 这种形式
                                    try:
                                        lower, upper = map(float, val_splitted[0].split('-'))
                                        converted_values.append

以上就是掌握Pandas中‘object’类型数据的数值分析与智能转换：以计算平均值为例的详细内容，更多请关注其它相关文章！

# python  # 这一  # 加载  # 流式  # 都是  # 的是  # 如何用  # 分隔符  # 转换为  # 遍历  # elif  # red  # app  # excel  # 为例  # 李沧区品牌网站建设案例  # 如何宣传推广祭祀网站  # 教材资源网站建设  # 怎么打开网站优化软件  # 泰州市鑫泰集团网站建设  # 软文营销推广媒体  # 企业网站优化不好  # 深圳网站优化计划书  # 汝南附近网站推广哪家好  # 全域营销推广咨询电话 

相关文章： C++如何操作大型数据集_使用C++流式处理(Streaming)技术避免一次性加载大文件  多闪网页版在线观看免费入口_多闪官网访问入口  PowerPoint如何制作滚动字幕结尾彩蛋_PowerPoint路径动画实现平滑滚动字幕效果  QQ邮箱网页版入口登录 QQ邮箱在线邮箱官方通道  Win11怎么查看显卡显存 Win11显示适配器属性及专用视频内存查询  将PCM16音频数据转换为W*并编码为Base64教程  NRF24L01数据传输深度解析：解决大载荷接收异常与分包策略  荒野行动PC版怎么注册_荒野行动PC版账号注册详细流程图文教程  星露谷物语官网入口 星露谷物语游戏官网入口  探索高级语言到C/C++的转译路径：以Go为例及内存管理策略  谷歌浏览器如何快速清除某个网站的数据_Chrome网站缓存清理方法  qq浏览器如何查看和导出已保存的密码 qq浏览器密码管理器数据备份教程  CSS Flexbox如何实现多行排列_flex-wrap wrap自动换行显示  Golang并发任务中错误如何聚合_Golang goroutine error收集方式  outlook中文官网入口地址 outlook官方中文版直达首页链接  Mac怎么锁定备忘录_Mac备忘录加密设置教程  Yii2模块参数配置指南：正确声明与访问模块级配置  支付宝如何设置安全保护_支付宝安全设置的全面教程  C++如何操作注册表_Windows平台下C++读写注册表的API函数详解  lar*el怎么安全地存储和获取配置文件中的敏感信息_lar*el敏感信息安全存储方法  海棠账号登录入口_登录海棠账户同步阅读记录  word邮件合并后日期格式不对怎么改_Word邮件合并日期格式修改方法  KFC套餐升级怎么获取优惠代码_KFC套餐升级活动与优惠代码获取方法  如何配置Composer的PSR-4自动加载_Composer自动加载命名空间映射实践教程  如何在更新Composer依赖后自动运行测试_使用post-update-cmd钩子触发PHPUnit  MinIO大规模对象列表性能瓶颈深度解析与外部元数据管理策略  单射、满射与双射的关系 一文理清所有逻辑  Word2013如何插入视频和音频媒体_Word2013媒体插入的多媒体支持  Go语言中Map值调用指针接收器方法的限制与应对  steam官方网页快速访问 steam账号注册全流程  PyTorch模型训练准确率不提升：诊断与修复常见指标计算错误  mysql如何分析事务日志_mysql事务日志分析方法  Safari怎么安装扩展程序 浏览器插件安装与管理方法【详解】  拷贝漫画电脑版官网入口 拷贝漫画(PC版)在线直达  PHP URL参数传递与500错误调试指南  CSS图片焦点样式实现教程：理解与应用tabindex属性  在J*a中如何使用ForkJoinPool进行分治任务并行处理_ForkJoinPool分治并行技巧说明  解决Tabulator日期时间排序问题的专业指南  如何使用spryker/configurable-bundles-products-resource-relationship模块解决复杂产品捆绑关系难题  顺丰快递查询系统 官方正版查询入口  MAC如何安全彻底地删除文件_MAC使用终端命令确保文件无法被恢复  利用Bokeh CustomJS动态控制DataTable列可见性  小米汽车11月交付量突破40000台！雷军：将继续努力  PySpark中从现有列右侧提取可变长度字符创建新列的教程  使用J*aScript检测输入元素是否包含在特定类中  Spring Boot内嵌服务器与J*a EE全栈特性：选择与部署策略  机构：以往存储涨价周期小米利润率实际上有所改善 能转嫁给消费者等  谷歌浏览器最新官方入口链接 谷歌浏览器网页版官网导航  AO3同人作品网入口 AO3搜索引擎官网永久地址  mysql备份恢复性能优化_mysql备份恢复性能优化方法