我有一个名为xiv
的 Pandas DataFrame对象,该对象具有一列int64
体积测量值。
In[]: xiv['Volume'].head(5)
Out[]:
0 252000
1 484000
2 62000
3 168000
4 232000
Name: Volume, dtype: int64
我还阅读了其他帖子(例如this和this),这些帖子建议了以下解决方案。但是当我使用这两种方法时,它似乎都没有改 rebase 础数据的
dtype
:In[]: xiv['Volume'] = pd.to_numeric(xiv['Volume'])
In[]: xiv['Volume'].dtypes
Out[]:
dtype('int64')
或者...
In[]: xiv['Volume'] = pd.to_numeric(xiv['Volume'])
Out[]: ###omitted for brevity###
In[]: xiv['Volume'].dtypes
Out[]:
dtype('int64')
In[]: xiv['Volume'] = xiv['Volume'].apply(pd.to_numeric)
In[]: xiv['Volume'].dtypes
Out[]:
dtype('int64')
我还尝试过制作一个单独的 Pandas
Series
,并使用该系列上面列出的方法,然后重新分配给x['Volume']
对象,即pandas.core.series.Series
对象。但是,我已经使用
numpy
包的float64
类型找到了解决此问题的方法-,此方法有效,但我不知道为什么它与不同。In[]: xiv['Volume'] = xiv['Volume'].astype(np.float64)
In[]: xiv['Volume'].dtypes
Out[]:
dtype('float64')
有人可以解释如何使用
pandas
库完成numpy
库似乎可以通过其float64
类轻松完成的工作;也就是说,将xiv
DataFrame中的列转换为适当的float64
。 最佳答案
如果您已经具有数字dtype(int8|16|32|64
,float64
,boolean
),则可以使用 Pandas .astype()方法将其转换为另一个“数字” dtype。
演示:
In [90]: df = pd.DataFrame(np.random.randint(10**5,10**7,(5,3)),columns=list('abc'), dtype=np.int64)
In [91]: df
Out[91]:
a b c
0 9059440 9590567 2076918
1 5861102 4566089 1947323
2 6636568 162770 2487991
3 6794572 5236903 5628779
4 470121 4044395 4546794
In [92]: df.dtypes
Out[92]:
a int64
b int64
c int64
dtype: object
In [93]: df['a'] = df['a'].astype(float)
In [94]: df.dtypes
Out[94]:
a float64
b int64
c int64
dtype: object
对于
object
(字符串)dtypes无效,无法将转换为数字:In [95]: df.loc[1, 'b'] = 'XXXXXX'
In [96]: df
Out[96]:
a b c
0 9059440.0 9590567 2076918
1 5861102.0 XXXXXX 1947323
2 6636568.0 162770 2487991
3 6794572.0 5236903 5628779
4 470121.0 4044395 4546794
In [97]: df.dtypes
Out[97]:
a float64
b object
c int64
dtype: object
In [98]: df['b'].astype(float)
...
skipped
...
ValueError: could not convert string to float: 'XXXXXX'
所以在这里我们要使用pd.to_numeric()方法:
In [99]: df['b'] = pd.to_numeric(df['b'], errors='coerce')
In [100]: df
Out[100]:
a b c
0 9059440.0 9590567.0 2076918
1 5861102.0 NaN 1947323
2 6636568.0 162770.0 2487991
3 6794572.0 5236903.0 5628779
4 470121.0 4044395.0 4546794
In [101]: df.dtypes
Out[101]:
a float64
b float64
c int64
dtype: object
关于python - 什么时候在python中应用(pd.to_numeric)和何时astype(np.float64)?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/40095712/