131

NaN如何将包含字符串和值的 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。

4

6 回答 6

77

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

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；它也是逐个系列的，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
于 2013-05-24T12:54:51.137 回答
68

你可以试试df.column_name = df.column_name.astype(float)。至于NaN值，你需要指定它们应该如何转换，但你可以使用.fillna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])
于 2013-05-24T07:20:32.920 回答
56

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')
于 2016-07-09T05:46:03.850 回答
35 
df['MyColumnName'] = df['MyColumnName'].astype('float64')
于 2015-11-13T06:28:27.473 回答
12

在转换为浮点数之前，您必须用 np.nan 替换空字符串 ('')。IE：

df['a']=df.a.replace('',np.nan).astype(float)
于 2019-04-16T05:10:52.477 回答
1

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

但如果这是所有字符串值......就像我的情况......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:-)

于 2018-12-11T12:32:58.617 回答