在 DataFrame 中將字符串轉換為浮點數

Question

如何將包含字符串和NaN值的 DataFrame 列轉換為浮點數。 還有另一列，其值是字符串和浮點數； 如何將整個列轉換為浮點數。

Answer 1

注意： pd.convert_objects現在已被棄用。 您應該使用pd.Series.astype(float)或pd.to_numeric ，如其他答案中所述。

這在 0.11 中可用。 強制轉換（或設置為 nan）即使astype失敗，這也會起作用； 它也是逐個系列的，所以它不會轉換說一個完整的字符串列

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

Answer 2

您可以嘗試df.column_name = df.column_name.astype(float) 。 至於NaN值，您需要指定它們應該如何轉換，但您可以使用.fillna方法來完成。

例子：

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])

Answer 3

在更新版本的 pandas（0.17 及更高版本）中，您可以使用to_numeric函數。 它允許您轉換整個數據框或僅轉換單個列。 它還使您能夠選擇如何處理無法轉換為數值的內容：

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')

Answer 4

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

Answer 5

在轉換為浮點數之前，您必須用 np.nan 替換空字符串 ('')。 IE：

df['a']=df.a.replace('',np.nan).astype(float)

Answer 6

這是一個例子

                            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

但如果這是所有字符串值......就像我的情況......將所需的列轉換為浮點數：

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)

您的數據框現在將具有浮點值:-)

Answer 7

導入 pandas 作為 pd

df['a'] = pd.to_numeric(df['a'])