问题:将字符串转换为DataFrame中的float
如何隐藏包含NaN
浮点数的字符串和值的DataFrame列。还有另一列的值为字符串和浮点数;如何将整个列转换为浮点数。
回答 0
注意:
pd.convert_objects
现在已弃用。您应该使用pd.Series.astype(float)
或pd.to_numeric
其他答案中所述。
在0.11中可用。强制转换(或将其设置为nan),即使astype
失败也会起作用。它也按系列进行排序,因此不会转换为完整的字符串列
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
回答 1
你可以试试看df.column_name = df.column_name.astype(float)
。至于这些NaN
值,您需要指定如何转换它们,但是您可以使用该.fillna
方法来进行转换。
例:
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])
回答 2
在较新版本的熊猫(0.17及更高版本)中,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')
回答 3
df['MyColumnName'] = df['MyColumnName'].astype('float64')
回答 4
您必须先将np.nan替换为空字符串(”),然后再转换为float。即:
df['a']=df.a.replace('',np.nan).astype(float)
回答 5
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
但是如果这都是字符串值…就像我这样…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:-)
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。