python – 将包含NaN值的整个Pandas数据帧从string转换为float

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：

In [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')

（编辑：安卓应用网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!