将 pandas.Series 从 dtype 对象转换为浮点数，将错误转换为 nans

Posted 2023-03-11

【中文标题】将 pandas.Series 从 dtype 对象转换为浮点数，将错误转换为 nans

【英文标题】：Convert pandas.Series from dtype object to float, and errors to nans

【发布时间】：2014-11-15 03:53:57

【问题描述】：

考虑以下情况：

In [2]: a = pd.Series([1,2,3,4,'.'])

In [3]: a
Out[3]: 
0    1
1    2
2    3
3    4
4    .
dtype: object

In [8]: a.astype('float64', raise_on_error = False)
Out[8]: 
0    1
1    2
2    3
3    4
4    .
dtype: object

我本来期望一个选项，允许转换而转向错误的值（如.）至NaN秒。有没有办法做到这一点？

【参考方案1】：

In [30]: pd.Series([1,2,3,4,'.']).convert_objects(convert_numeric=True)
Out[30]: 
0     1
1     2
2     3
3     4
4   NaN
dtype: float64

【讨论】：

我想我前一阵子把raise_on_error的功能拿出来了。不做任何事情。

我在这里打开了一个问题进行改进：github.com/pydata/pandas/issues/8332，请随时对提议的 API 发表评论

在 0.14.1 上，它阻止它抛出异常。如果不指定它，astype 语句会引发错误。

对不起，你是对的。这就是为什么永远不要只阅读代码，测试它:)

.convert_objects() 方法自 0.17 起已被弃用，pd.to_numeric 是新的方法。

【参考方案2】：

使用pd.to_numeric 和errors='coerce'

# Setup
s = pd.Series(['1', '2', '3', '4', '.'])
s

0    1
1    2
2    3
3    4
4    .
dtype: object

pd.to_numeric(s, errors='coerce')

0    1.0
1    2.0
2    3.0
3    4.0
4    NaN
dtype: float64

如果您需要填写NaNs，请使用Series.fillna。

pd.to_numeric(s, errors='coerce').fillna(0, downcast='infer')

0    1
1    2
2    3
3    4
4    0
dtype: float64

注意，downcast='infer' 将尽可能将浮点数向下转换为整数。如果您不希望这样，请删除该参数。

从 v0.24+ 开始，pandas 引入了 Nullable Integer 类型，它允许 整数与 NaN 共存。如果您的列中有整数， 你可以使用

pd.__version__
# '0.24.1'

pd.to_numeric(s, errors='coerce').astype('Int32')

0      1
1      2
2      3
3      4
4    NaN
dtype: Int32

还有其他选项可供选择，请阅读文档了解更多信息。

---

DataFrames 的扩展名

如果您需要将此扩展到 DataFrames，则需要将其应用到每一行。您可以使用DataFrame.apply 执行此操作。

# Setup.
np.random.seed(0)
df = pd.DataFrame(
    'A' : np.random.choice(10, 5), 
    'C' : np.random.choice(10, 5), 
    'B' : ['1', '###', '...', 50, '234'], 
    'D' : ['23', '1', '...', '268', '$$']
)[list('ABCD')]
df

   A    B  C    D
0  5    1  9   23
1  0  ###  3    1
2  3  ...  5  ...
3  3   50  2  268
4  7  234  4   $$

df.dtypes

A     int64
B    object
C     int64
D    object
dtype: object

df2 = df.apply(pd.to_numeric, errors='coerce')
df2

   A      B  C      D
0  5    1.0  9   23.0
1  0    NaN  3    1.0
2  3    NaN  5    NaN
3  3   50.0  2  268.0
4  7  234.0  4    NaN

df2.dtypes

A      int64
B    float64
C      int64
D    float64
dtype: object

您也可以使用DataFrame.transform 执行此操作；虽然我的测试表明这有点慢：

df.transform(pd.to_numeric, errors='coerce')

   A      B  C      D
0  5    1.0  9   23.0
1  0    NaN  3    1.0
2  3    NaN  5    NaN
3  3   50.0  2  268.0
4  7  234.0  4    NaN

如果您有很多列（数字；非数字），您可以通过仅在非数字列上应用 pd.to_numeric 来提高性能。

df.dtypes.eq(object)

A    False
B     True
C    False
D     True
dtype: bool

cols = df.columns[df.dtypes.eq(object)]
# Actually, `cols` can be any list of columns you need to convert.
cols
# Index(['B', 'D'], dtype='object')

df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')
# Alternatively,
# for c in cols:
#     df[c] = pd.to_numeric(df[c], errors='coerce')

df

   A      B  C      D
0  5    1.0  9   23.0
1  0    NaN  3    1.0
2  3    NaN  5    NaN
3  3   50.0  2  268.0
4  7  234.0  4    NaN

沿列应用pd.to_numeric（即axis=0，默认值）对于长数据帧应该稍微快一些。

【讨论】：

这太棒了:-)，我们应该保持更新，因为在这个网站上弃用的方法对未来的访问者不利:-)，你做到了

啊哈，也许你可以添加s.str.isalnum() :-) 结合mask

@Wen 你的意思是s.str.isdigit()？它仅适用于整数，不适用于浮点数。好主意。

@Wen 据我所知to_numeric 在这里是黄金。

@Dark 啊哈，是的 :-)