Python Pandas to_numeric方法用法及代碼示例

Pandas 的 to_numeric(~) 方法將輸入轉換為數字類型。默認情況下，將使用int64 或float64。

1. arg | array-like

輸入數組，可以是標量、列表、NumPy 數組或係列。

2. errors | string | optional

如何處理無法解析為數字的值：

默認情況下，errors="raise" 。

3. downcast | string | optional

是否執行將數字轉換為最小數字類型(例如 int64 到 int8 )：

請注意，向下轉換是在主數字轉換之後執行的，因此如果向下轉換期間存在解析問題，則無論您為 errors 指定什麽，都會引發錯誤。

默認情況下，downcast=None 。

如果 arg 是一個係列，則返回一個新係列。否則，返回一個新的 Numpy 數組。

要將 Series 中所有值的類型轉換為數字類型：

s = pd.Series(["1.","2.0",3])
pd.to_numeric(s)



0    1.0
1    2.0
2    3.0
dtype: float64

請注意，源係列 s 保持不變，並在此處返回一個新係列。

默認為 errors="raise" ，這意味著當轉換為數字類型時出現問題時，會拋出錯誤：

s = pd.Series(["2", "2.3.4"])
pd.to_numeric(s)



ValueError: Unable to parse string "2.3.4" at position 1

我們可以通過指定 errors="coerce" 將無效值轉換為 NaN ，而不是拋出錯誤，如下所示：

s = pd.Series(["2", "2.3.4"])
pd.to_numeric(s, errors="coerce")



0    2.0
1    NaN
dtype: float64

我們還可以使用 errors="ignore" 保留無效值：

s = pd.Series(["2", "2.3.4"])
pd.to_numeric(s, errors="ignore")



0        2
1    2.3.4
dtype: object

請注意該係列的 dtype 是 object 。這是因為即使包含一種非數字類型(在本例中為 "2.3.4")的 Series 也必須向上轉換為更通用的類型，即 object 。

默認情況下，數字將轉換為 int64 或 float64 ：

s = pd.Series(["1.", "2.0", 3])
pd.to_numeric(s)



0    1.0
1    2.0
2    3.0
dtype: float64

這裏使用float64，因為"2.0"在底層被轉換為float而不是int。

我們可以通過傳入 downcast="float" 將其轉換為 float32，如下所示：

s = pd.Series(["1.", "2.0", 3])
pd.to_numeric(s, downcast="float")



0    1.0
1    2.0
2    3.0
dtype: float32

在這種情況下，由於 2.0 也可以表示為 int ，因此我們也可以傳遞 downcast="integer" 將值轉換為 int8 類型：

s = pd.Series(["1.", "2.0", 3])
pd.to_numeric(s, downcast="integer")



0    1
1    2
2    3
dtype: int8

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 Pandas | to_numeric method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。