我想将pandas数据帧中的所有值从字符串转换为浮点数.我的数据帧包含各种NaN值(例如NaN,NA,None).例如,
import pandas as pd
import numpy as np
my_data = np.array([[0.5,0.2,0.1],["NA",0.45,0.2],[0.9,0.02,"N/A"]])
df = pd.DataFrame(my_data,dtype=str)
我找到了here和here(以及其他地方)convert_objects可能是要走的路.但是,我收到一条消息,它已被弃用(我使用的是Pandas 0.17.1),而应使用to_numeric.
df2 = df.convert_objects(convert_numeric=True)
输出：
FutureWarning: convert_objects is deprecated. Use the data-type specific converters pd.to_datetime,pd.to_timedelta and pd.to_numeric.
但to_numeric似乎并没有实际转换字符串.
df3 = pd.to_numeric(df,errors='force')
输出：
df2:
0 1 2
0 0.5 0.20 0.1
1 NaN 0.45 0.2
2 0.9 0.02 NaN
df2 dtypes:
0 float64
1 float64
2 float64
dtype: object
df3:
0 1 2
0 0.5 0.2 0.1
1 NA 0.45 0.2
2 0.9 0.02 N/A
df3 dtypes:
0 object
1 object
2 object
dtype: object
我应该使用convert_objects并处理警告消息,还是有正确的方法来执行我想要的to_numeric？
最佳答案
奇怪的是这有效：
原文链接：https://www.f2er.com/python/438521.htmlIn [11]:
df.apply(lambda x: pd.to_numeric(x,errors='force'))
Out[11]:
0 1 2
0 0.5 0.20 0.1
1 NaN 0.45 0.2
2 0.9 0.02 NaN
看起来由于某种原因,它无法强制整个df,这有点令人惊讶
如果你讨厌打字(感谢@Zero)那么你可以使用：
df.apply(pd.to_numeric,errors='force')