标签：python type-conversion python-3-x pandas

我从列表列表中创建了一个pandas数据帧

import pandas as pd

df_list = [["a", "1", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))
>>>   A  B    C
   0  a  1    2
   1  b  3  NaN

有没有办法将数据帧的所有列转换为float,可以转换,即B和C？如果您知道,以下工作将转换为哪些列：

  df[["B", "C"]] = df[["B", "C"]].astype("float")

但是,如果您事先不知道哪些列包含数字,您会怎么做？当我尝试

  df = df.astype("float", errors = "ignore")

所有列仍然是字符串/对象.同样的,

df[["B", "C"]] = df[["B", "C"]].apply(pd.to_numeric)

转换两列(虽然“B”是int而“C”是“浮动”,因为存在NaN值),但是

df = df.apply(pd.to_numeric)

显然会抛出一条错误消息,我没有看到一种方法来抑制它.
是否有可能在不循环遍历每一列的情况下执行此字符串浮点转换,尝试.astype(“float”,errors =“ignore”)？

解决方法:

我认为在to_numeric中你需要参数错误=’忽略’：

df = df.apply(pd.to_numeric, errors='ignore')
print (df.dtypes)
A     object
B      int64
C    float64
dtype: object

如果不是混合值,它工作得很好 – 带字符串的数字：

df_list = [["a", "t", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))

df = df.apply(pd.to_numeric, errors='ignore')
print (df)
   A  B    C
0  a  t  2.0 <=added t to column B for mixed values
1  b  3  NaN

print (df.dtypes)
A     object
B     object
C    float64
dtype: object

编辑：

你也可以将int转发给浮点数：

df = df.apply(pd.to_numeric, errors='ignore', downcast='float')
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object

它与：

df = df.apply(lambda x: pd.to_numeric(x, errors='ignore', downcast='float'))
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object

标签：python,type-conversion,python-3-x,pandas
来源： https://codeday.me/bug/20190607/1195274.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。