Python pandas.to_numeric用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

pandas.to_numeric()是Pandas中的常规函数之一，用于将参数转换为数字类型。

用法： pandas.to_numeric(arg, errors=’raise’, downcast=None)

参数:
arg:列表，元组，一维数组或系列
errors:{'ignore'，'raise'，'coerce'}，默认为'raise'
->如果为“ raise”，则无效的解析将引发异常
->如果为“强制”，则无效的解析将设置为NaN
->如果为“ ignore”，则无效的解析将返回输入
downcast：[默认无]如果不为None，并且数据已成功转换为数字dtype，则根据以下规则将结果数据转换为可能的最小数字dtype：
->“整数”或“有符号”：最小的有符号整数dtype(最小值：np.int8)
->‘unsigned’：最小的unsigned int dtype(最小值：np.uint8)
->“ float”：最小float dtype(最小值：np.float32)

返回:如果解析成功，则为数字。请注意，返回类型取决于输入。如果为Series，则为Series，否则为ndarray。

代码1：

首先观察该数据集。我们将使用此数据的“数字”列来进行序列化，然后进行操作。

# importing pandas module  
import pandas as pd  
    
# making data frame  
df = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")  
  
df.head(10)

在Number列上调用Series构造函数，然后选择前10行。

# importing pandas module  
import pandas as pd  
    
# making data frame  
df = pd.read_csv("nba.csv")  
  
  
# get first ten 'numbers' 
ser = pd.Series(df['Number']).head(10) 
ser

输出：

使用pd.to_numeric()方法。请注意，通过使用downcast =“ signed”，所有值都将转换为整数。

pd.to_numeric(ser, downcast ='signed')

输出：

代码2：使用错误=“忽略”。它将忽略所有非数字值。

# importing pandas module  
import pandas as pd  
    
  
# get first ten 'numbers' 
ser = pd.Series(['Geeks', 11, 22.7, 33]) 
  
pd.to_numeric(ser, errors ='ignore')

输出：

代码3：使用错误=“强制”。它将用NaN替换所有非数字值。

# importing pandas module  
import pandas as pd  
    
  
# get first ten 'numbers' 
ser = pd.Series(['Geeks', 11, 22.7, 33]) 
  
pd.to_numeric(ser, errors ='coerce')

输出：

相关用法

注：本文由纯净天空筛选整理自Shivam_k大神的英文原创作品 Python | pandas.to_numeric method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。