我從 pdf 檔案中復制了一個包含三列的表格。我在此處附上 PDF 的螢屏截圖：
padj列中的值是指數值，但是，當您從 pdf 復制到 excel 然后用 pandas 打開它時，這些是字串或物件資料型別。因此，這些值不能被決議為浮點數或數值。我需要這些值作為浮點數，而不是字串。有人可以幫我一些建議嗎？到目前為止，這是我嘗試過的。
csv然后使用編碼在python中打開excel或檔案escape_unicode以規避UnicodeDecodeError
## open the file
df = pd.read_csv("S2_GSE184956.csv",header=0,sep=',',encoding='unicode_escape')[["DEGs","LFC","padj"]]
df.head()
DEGs padj LFC
0 JUNB 1.5 ×10-8 -1.273329
1 HOOK2 2.39×10-7 -1.109320
2 EGR1 3.17×10-6 -4.187828
3 DUSP1 3.95×10-6 -3.251030
4 IL6 3.95×10-6 -3.415500
5 ARL4C 5.06×10-6 -2.147519
6 NR4A2 2.94×10-4 -3.001167
7 CCL3L1 4.026×10-4 -5.293694
# Convert the string to float by replacing the x10- with exponential sign
df['padj'] = df['padj'].apply(lambda x: (unidecode(x).replace('x10-','x10-e'))).astype(float)
That threw an error,
ValueError: could not convert string to float: '1.5 x10-e8'
任何建議，將不勝感激。謝謝
uj5u.com熱心網友回復：
uj5u.com熱心網友回復：
如果你想要一個數值矢量解，你可以使用：
df['float'] = (df['padj'].str.extract(r'(\d (?:\.\d ))\s*×10(.?\d )')
.apply(pd.to_numeric).pipe(lambda d: d[0].mul(10.**d[1]))
)
輸出：
DEGs padj LFC float
0 JUNB 1.5 ×10-8 -1.273329 1.500000e-08
1 HOOK2 2.39×10-7 -1.109320 2.390000e-07
2 EGR1 3.17×10-6 -4.187828 3.170000e-06
3 DUSP1 3.95×10-6 -3.251030 3.950000e-06
4 IL6 3.95×10-6 -3.415500 3.950000e-06
5 ARL4C 5.06×10-6 -2.147519 5.060000e-06
6 NR4A2 2.94×10-4 -3.001167 2.940000e-04
7 CCL3L1 4.026×10-4 -5.293694 4.026000e-04
中間的：
df['padj'].str.extract('(\d (?:\.\d ))\s*×10(.?\d )')
0 1
0 1.5 -8
1 2.39 -7
2 3.17 -6
3 3.95 -6
4 3.95 -6
5 5.06 -6
6 2.94 -4
7 4.026 -4
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/521118.html
上一篇：二維陣列的布爾索引
下一篇：熊貓資料框不創建新列