如何在應用 function 中使用 df.astype()

Question

我有一個數據框，其中列中的所有數據都是 object 類型。 現在我想使用 astype() function 將所有對象轉換為數字類型，但我不想做這樣的事情->

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

如果我做這樣的事情->

我收到一個錯誤，因為 apply function 需要 Series 遍歷。

PS：做同樣事情的另一個選擇是->

df.apply(pd.to_numeric)

但是我想使用.astype() 來做這個有沒有其他方法可以代替使用 df.apply() 並且仍然使用 df.astype() 將所有 object 類型數據轉換為數字

Answer 1

使用df = df.astype(int)將所有列轉換為 int 數據類型

import numpy

df.astype(numpy.int32)

Answer 2

如果這些是object列，並且您確定它們可以“軟轉換”為 int，那么您有兩個選擇：

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 （僅限 0.21+）將您的數據轉換為 numpy 類型。

df.infer_objects().dtypes

worker    object
day        int64
tasks     object
dtype: object

pandas >= 1.0

如果可能， convert_dtypes會將您的數據轉換為最具體的 pandas 擴展數據類型。

df.convert_dtypes().dtypes

worker    string
day        Int64
tasks     string
dtype: object

有關“硬”與“軟”轉換的更多信息，另請參閱我的這個答案。

Answer 3

在我看來，最安全的方法是在您的apply程序 function 中使用pd.to_numeric ，它還允許您進行錯誤操作、 coerce 、 raise或ignore 。 將列轉換為數字后，您可以安全地執行astype()操作，但我不建議以以下方式開始：

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

如果該列不能轉換為數字，它將保持不變

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

列將轉換為數字，列中無法轉換為數字的值將替換為NaN 。

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

如果無法將列轉換為數字，將返回ValueError