如何在应用 function 中使用 df.astype()

Question

我有一个数据框，其中列中的所有数据都是 object 类型。 现在我想使用 astype() function 将所有对象转换为数字类型，但我不想做这样的事情->

df.astype({'col1': 'int32', 'col2': 'int32'....})

如果我做这样的事情->

我收到一个错误，因为 apply function 需要 Series 遍历。

PS：做同样事情的另一个选择是->

df.apply(pd.to_numeric)

但是我想使用.astype() 来做这个有没有其他方法可以代替使用 df.apply() 并且仍然使用 df.astype() 将所有 object 类型数据转换为数字

Answer 1

使用df = df.astype(int)将所有列转换为 int 数据类型

import numpy

df.astype(numpy.int32)

Answer 2

如果这些是object列，并且您确定它们可以“软转换”为 int，那么您有两个选择：

df
  worker day    tasks
0      A   2     read
1      A   9    write
2      B   1     read
3      B   2    write
4      B   4  execute

df.dtypes

worker    object
day       object
tasks     object
dtype: object

pandas <= 0.25

如果可能， infer_objects （仅限 0.21+）将您的数据转换为 numpy 类型。

df.infer_objects().dtypes

worker    object
day        int64
tasks     object
dtype: object

pandas >= 1.0

如果可能， convert_dtypes会将您的数据转换为最具体的 pandas 扩展数据类型。

df.convert_dtypes().dtypes

worker    string
day        Int64
tasks     string
dtype: object

有关“硬”与“软”转换的更多信息，另请参阅我的这个答案。

Answer 3

在我看来，最安全的方法是在您的apply程序 function 中使用pd.to_numeric ，它还允许您进行错误操作、 coerce 、 raise或ignore 。 将列转换为数字后，您可以安全地执行astype()操作，但我不建议以以下方式开始：

df.apply(pd.to_numeric, errors='ignore')

如果该列不能转换为数字，它将保持不变

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

列将转换为数字，列中无法转换为数字的值将替换为NaN 。

df.apply(pd.to_numeric, errors='raise')

如果无法将列转换为数字，将返回ValueError