数据清洗pd.to_numeric() & errors=‘coerce‘

Posted 2021-08-11 ZSYL

pd.to_numeric

• 应用实例
• 整合代码

应用实例

请参考: Pandas：errors=‘coerce‘ & infer_datetime_format=True

# 模拟数据
import pandas as pd

df = pd.DataFrame([[1,2,3,4,16],['1','2','3','4','F']],index =['Data1','Data2'])
print(df)

# 翻十倍，查看结果与预想结果的差别
df.apply(lambda x: x * 10)

Data2 行的数据看上去像数值，但就结果而言，像是字符串。

*：对于 num 是乘号，对于 str 是复制

现在我们最迫切需要知道的每列数据的类型是什么，Pandas 已经提供了查看 DataFrame 各个列数据类型的属性的方法。

# 查看数据类型
df.dtypes

# 尝试转换，报错
df.loc['Data2'] = pd.to_numeric(df.loc['Data2'])

# 只转换能转换的，不能转换的赋值为 NaN(Not a Number)
df.loc['Data2'] = pd.to_numeric(df.loc['Data2'] ,errors='coerce')

# 再次运算，查看结果与预想结果的差别
df = df.apply(lambda x: x * 10)

现在数据是我们想要的结果。

整合代码

# 模拟数据
import pandas as pd

df = pd.DataFrame([[1,2,3,4,16],['1','2','3','4','F']],index =['Data1','Data2'])
print(df)

# 翻十倍，查看结果与预想结果的差别
df.apply(lambda x: x * 10)

# 查看数据类型
df.dtypes

# 尝试转换，报错
df.loc['Data2'] = pd.to_numeric(df.loc['Data2'])

# 只转换能转换的，不能转换的赋值为 NaN(Not a Number)
df.loc['Data2'] = pd.to_numeric(df.loc['Data2'] ,errors='coerce')

# 查看成功转换后的结果
df.loc['Data2'] 

# 再次运算，查看结果与预想结果的差别
df = df.apply(lambda x: x * 10)
print(df)

# 查看数据类型
df.dtypes

参考：Link

加油!

感谢!

努力!