假设我在数据框中有一列有一些数字和一些非数字
>> df['foo']
0 0.0
1 103.8
2 751.1
3 0.0
4 0.0
5 -
6 -
7 0.0
8 -
9 0.0
Name: foo, Length: 9, dtype: object
我怎样才能将此列转换为np.float，并让其他所有非浮点数转换为NaN？
当我尝试：
>> df['foo'].astype(np.float)
或者
>> df['foo'].apply(np.float)
我明白了ValueError: could not convert string to float: -
在 pandas 中0.17.0 convert_objects提出警告：
FutureWarning：convert_objects 已弃用。使用特定于数据类型的转换器 pd.to_datetime、pd.to_timedelta 和 pd.to_numeric。
您可以使用pd.to_numeric方法并将其应用于带有 arg 的数据框coerce。
df1 = df.apply(pd.to_numeric, args=('coerce',))
或者更恰当地说：
df1 = df.apply(pd.to_numeric, errors='coerce')
编辑
上述方法仅适用于 pandas 版本 >= 0.17.0，来自docs what's new in pandas 0.17.0：
pd.to_numeric 是一个将字符串强制转换为数字的新函数（可能带有强制转换）（GH11133）
使用convert_objectsSeries 方法（和convert_numeric）：
In [11]: s
Out[11]:
0 103.8
1 751.1
2 0.0
3 0.0
4 -
5 -
6 0.0
7 -
8 0.0
dtype: object
In [12]: s.convert_objects(convert_numeric=True)
Out[12]:
0 103.8
1 751.1
2 0.0
3 0.0
4 NaN
5 NaN
6 0.0
7 NaN
8 0.0
dtype: float64
注意：这也可以作为 DataFrame 方法使用。
您可以简单地使用pd.to_numeric并将错误设置为coerce不使用apply
df['foo'] = pd.to_numeric(df['foo'], errors='coerce')
首先将所有字符串值替换为None, 以将它们标记为缺失值，然后将其转换为浮点数。
df['foo'][df['foo'] == '-'] = None
df['foo'] = df['foo'].astype(float)