在所有pandas列中将字符串转换为float，这是可能的

Question

我从列表列表中创建了一个pandas数据帧

import pandas as pd

df_list = [["a", "1", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))
>>>   A  B    C
   0  a  1    2
   1  b  3  NaN

有没有办法将数据帧的所有列转换为float，可以转换，即B和C？ 如果您知道，以下工作将转换为哪些列：

  df[["B", "C"]] = df[["B", "C"]].astype("float")

但是，如果您事先不知道哪些列包含数字，您会怎么做？ 当我尝试

  df = df.astype("float", errors = "ignore")

所有列仍然是字符串/对象。 同样的，

df[["B", "C"]] = df[["B", "C"]].apply(pd.to_numeric)

转换两列（虽然“B”是int而“C”是“浮动”，因为存在NaN值），但是

df = df.apply(pd.to_numeric)

显然会抛出一条错误消息，我没有看到一种方法来抑制它。
是否有可能在不循环遍历每一列的情况下执行此字符串浮点转换，尝试.astype("float", errors = "ignore") ？

Answer 1

我认为你需要在to_numeric中to_numeric参数errors='ignore' ：

df = df.apply(pd.to_numeric, errors='ignore')
print (df.dtypes)
A     object
B      int64
C    float64
dtype: object

如果不是混合值，它工作得很好 - 带字符串的数字：

df_list = [["a", "t", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))

df = df.apply(pd.to_numeric, errors='ignore')
print (df)
   A  B    C
0  a  t  2.0 <=added t to column B for mixed values
1  b  3  NaN

print (df.dtypes)
A     object
B     object
C    float64
dtype: object

编辑：

您也可以向下转换int ，以float S：

df = df.apply(pd.to_numeric, errors='ignore', downcast='float')
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object

它与：

df = df.apply(lambda x: pd.to_numeric(x, errors='ignore', downcast='float'))
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object