如何在熊猫中将对象数据类型转换为浮点数答案

【问题标题】：How to convert object data type to float in pandas如何在熊猫中将对象数据类型转换为浮点数
【发布时间】：2022-01-26 04:46:19
【问题描述】：

我有一个数据框，其中一列是“对象”数据类型。我使用pd.to_numeric() 和errors = 'coerce' 将其转换为“浮点”数据类型。但是，对于所有条目，转换后的列显示为 NaN。如果我让errors = 'ignore'，则所有条目都不会转换为浮点数。有什么我想念的吗？以下是sn-p的代码：

pd.to_numeric(df['gender'],errors = 'coerce')

df['gender'] 列包含“男性”和“女性”条目。我想将这些转换为“浮点”数据类型。

谢谢！

【问题讨论】：

标签： python pandas object

【解决方案1】：

to_numeric 只能转换数字的东西。例如，它可以将字符串'10' 转换为数字10，但不能将'Male' 之类的内容转换为数字。

改为使用pd.factorize:

df['gender'] = pd.factorize(df['gender'])[0].astype(float)

或Series.factorize:

df['gender'] = df['gender'].factorize()[0].astype(float)

factorize 的第一个元素包含整数代码，因此我们将它们转换为astype(float)。

或者正如您评论的那样，Series.map 也可以：

df['gender'] = df['gender'].map({'Male': 0, 'Female': 1}).astype(float)

【讨论】：

谢谢！一个简短的评论：这与 df.gender.replace({'Male': 1, 'Female': 0}) 不同吗？尽管如此，它工作正常。
是的 map 也可以，只是需要更多手动操作。我还解释了为什么 to_numeric 在这里不起作用。
pd.factorize() 有一些明显的地方。给定列中的 NaN 条目将转换为“-1”。我尝试包括“na_sentinel=None”，但没有奏效。这样做在某些应用中可能是不利的。也许最好使用“映射”方法，其中保留 NaN 条目，并且可以使用插补方法填充/替换。
如果有 NaN 就好了。在这种情况下，只有 2 个类别 + NaN，map 将是最简单的。如果您有大量类别 + NaN，您可以自动 factorize 并链接 replace，例如pd.Series(df['gender'].factorize()[0]).replace(-1, np.nan).