将字符串转换为 DataFrame 中的浮点数答案

【问题标题】：Converting strings to floats in a DataFrame将字符串转换为 DataFrame 中的浮点数
【发布时间】：2013-05-19 17:32:51
【问题描述】：

如何将包含字符串和 NaN 值的 DataFrame 列转换为浮点数。还有另一列，其值为字符串和浮点数；如何将整列转换为浮点数。

【问题讨论】：

请勿使用 convert_objects。它已被弃用。请改用to_numeric 或astype

标签： python pandas

【解决方案1】：

你可以试试df.column_name = df.column_name.astype(float)。至于NaN的值，你需要指定它们应该如何转换，但是你可以使用.fillna的方法来做。

例子：

In [12]: df
Out[12]: 
     a    b
0  0.1  0.2
1  NaN  0.3
2  0.4  0.5

In [13]: df.a.values
Out[13]: array(['0.1', nan, '0.4'], dtype=object)

In [14]: df.a = df.a.astype(float).fillna(0.0)

In [15]: df
Out[15]: 
     a    b
0  0.1  0.2
1  0.0  0.3
2  0.4  0.5

In [16]: df.a.values
Out[16]: array([ 0.1,  0. ,  0.4])

【讨论】：

【解决方案2】：

注意： pd.convert_objects 现已弃用。您应该使用pd.Series.astype(float) 或pd.to_numeric，如其他答案。

这在 0.11 中可用。强制转换（或设置为 nan）即使astype 失败，这也会起作用；它也是一系列系列所以它不会转换说一个完整的字符串列

In [10]: df = DataFrame(dict(A = Series(['1.0','1']), B = Series(['1.0','foo'])))

In [11]: df
Out[11]: 
     A    B
0  1.0  1.0
1    1  foo

In [12]: df.dtypes
Out[12]: 
A    object
B    object
dtype: object

In [13]: df.convert_objects(convert_numeric=True)
Out[13]: 
   A   B
0  1   1
1  1 NaN

In [14]: df.convert_objects(convert_numeric=True).dtypes
Out[14]: 
A    float64
B    float64
dtype: object

【讨论】：

请注意，这不适用于列（在前导多索引处），仅适用于数据框中的值
我不得不使用 set_levels 将字符串转换为浮点数
df['ColumnName'] = df['ColumnName'].convert_objects(convert_numeric=True) 您只能转换一列。
现在是新版本中的 pd.to_numeric(col)
convert_objects 在较新的 pandas 中已弃用。使用特定于数据类型的转换器 pd.to_numeric。

【解决方案3】：

df['MyColumnName'] = df['MyColumnName'].astype('float64')

【讨论】：

这在从字符串转换为浮点数时不起作用：ValueError: could not convert string to float: 'date'
@Jack 你知道这里的解决方法吗？我遇到了将字符串转换为浮点数的确切问题。
@Hatt 我面临同样的问题。你找到解决办法了吗？
@Jack 我不确定，但您似乎混淆了日期格式和浮点数。 # 转换为日期时间 df['date'] = pd.to_datetime(df['date'])

【解决方案4】：

在更新版本的 pandas（0.17 及更高版本）中，您可以使用 to_numeric 函数。它允许您转换整个数据框或仅转换单个列。它还使您能够选择如何处理无法转换为数值的内容：

import pandas as pd
s = pd.Series(['1.0', '2', -3])
pd.to_numeric(s)
s = pd.Series(['apple', '1.0', '2', -3])
pd.to_numeric(s, errors='ignore')
pd.to_numeric(s, errors='coerce')

【讨论】：

要将pd.to_numeric 应用于DataFrame，可以将df.apply(pd.to_numeric) 用作explained in detail in this answer。

【解决方案5】：

这是一个例子

                            GHI             Temp  Power Day_Type
2016-03-15 06:00:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:01:00 -7.99999952505459e-7    18.2    0   NaN
2016-03-15 06:02:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:03:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:04:00 -7.99999952505459e-7    18.3    0   NaN

但是如果这都是字符串值...就像我的情况一样... 将所需的列转换为浮点数：

df_inv_29['GHI'] = df_inv_29.GHI.astype(float)
df_inv_29['Temp'] = df_inv_29.Temp.astype(float)
df_inv_29['Power'] = df_inv_29.Power.astype(float)

您的数据框现在将具有浮点值 :-)

【讨论】：

【解决方案6】：

在转换为浮点数之前，您必须用 np.nan 替换空字符串 ('')。即：

df['a']=df.a.replace('',np.nan).astype(float)

【讨论】：