将熊猫数据框列转换为数字的更好方法答案

【问题标题】：Better way to convert pandas dataframe columns to numeric将熊猫数据框列转换为数字的更好方法
【发布时间】：2017-09-12 12:45:27
【问题描述】：

我有一个数据框，其中一些列包含对象类型的数据，因为有一些时髦的数据条目（又名 . 或诸如此类）。

我已经能够通过识别对象列然后执行以下操作来纠正此问题：

obj_cols = df.loc[:, df.dtypes == object]
conv_cols = obj_cols.convert_objects(convert_numeric='force')

这工作正常，允许我运行我需要的回归，但会产生这个错误：

FutureWarning: convert_objects is deprecated.

有没有更好的方法来避免错误？我也尝试构建一个 lambda 函数，但没有成功。

【问题讨论】：

你可以使用 astype(int) 或 pd.to_numeric

标签： python pandas dataframe type-conversion

【解决方案1】：

Convert_objects 已弃用。改用这个。您可以添加参数 errors='coerce' 将错误的非数值转换为 NaN。

conv_cols = obj_cols.apply(pd.to_numeric, errors = 'coerce')

该函数将应用于整个 DataFrame。可以转换为数字类型的列将被转换，而不能转换为数字类型的列（例如，它们包含非数字字符串或日期）将被保留。

【讨论】：

这给了我：Value Error: ('Unable to parse string "." at position...)
我之前尝试过。我得到TypeError: arg must be a list, tuple, 1-d array, or Series
因为 obj_cols 是一个数据框
apply 的答案应该与参数 errors = 'coerce' 一起使用
我相信 errors = 'coerce' 将所有非数字字符串转换为 NaN ，所以它应该是 errors='ignore'

【解决方案2】：

如果您有示例数据框：

sales = [{'account': 'Jones LLC', 'Jan': 150, 'Feb': 'f', 'Mar': 140},
     {'account': 'Alpha Co',  'Jan': 'e', 'Feb': 210, 'Mar': 215},
     {'account': 'Blue Inc',  'Jan': 50,  'Feb': 90,  'Mar': 'g' }]
df = pd.DataFrame(sales)

如果你想去掉列中应该是数字的字符串，你可以使用 pd.to_numeric 来做到这一点

cols = ['Jan', 'Feb', 'Mar']
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce', axis=1)

您的新数据框将使用 NaN 代替“古怪”数据

【讨论】：