将字符串转换为DataFrame中的float

112

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。

python pandas

— 尼尔
source

7

请勿使用convert_objects。不推荐使用。使用to_numeric或astype代替

— 泰德·彼得鲁

72

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

— 杰夫
source

请注意，这不适用于列（在Leadt multiindex下），仅适用于数据

— 框中的

1

我不得不使用set_levels将字符串转换为float

— denfromufa 2015年

16

df['ColumnName'] = df['ColumnName'].convert_objects(convert_numeric=True)您只能转换一个列。

— 杰克

19

现在是较新版本中的pd.to_numeric（col）

— Jeff

11

在较新的熊猫中，不建议使用convert_objects。使用特定于数据类型的转换器pd.to_numeric。

— Thomas Matthew

57

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])

— 根
source

47

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')

— 萨尔瓦多·达利
source

32

要申请pd.to_numeric到DataFrame，可以使用df.apply(pd.to_numeric)如在这个答案详细解释。

— Ninjakannon

31

df['MyColumnName'] = df['MyColumnName'].astype('float64')

— 克劳德·库卢姆
source

6

从String转换为Float时，这不起作用：ValueError: could not convert string to float: 'date'

— Jack

@Jack您知道这里的解决方法吗？我遇到了将字符串转换为float的确切问题。

— 哈特（Hatt）

@Hatt我面临着同样的问题。您找到解决方案了吗？

— Prakhar Jhudele

@Jack我不确定，但是您似乎混淆了日期格式和浮点数。＃转换为datetime df ['date'] = pd.to_datetime（df ['date']）

— Claude COULOMBE

8

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)

— 保罗·姆瓦尼基
source

1

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:-)

— ArmandduPlessis
source