使用列號而不是列名將 pandas dataframe 中的某些（但不是全部）列中的非數字值轉換為數字

Question

假設具有許多列的 pandas df。 我正在嘗試使用 pd.to_numeric 將所有非數字值轉換為 np.nan 值，如下所示。 但是，我不想將其應用於前兩列； 相反，它只會應用於除前兩列之外的所有列。

例如，假設以下情況：

import pandas as pd
import numpy as np

df = pd.DataFrame({'name': ['Adam', 'Bob', 'Chuck', 'David'],
                   'color': ['blue', 'green', 'red', 'yellow']
                   'number1': [50, 750, 'ad098', 'baseball'],
                   'number2': [25, 'text', 1000, '200']},
                  )

一般來說，我只會說出應該排除的兩列的名稱。 但是，在這種情況下，我正在嘗試創建一個可以應用於任何 df 的框架，而不管列的名稱如何。 因此，我想根據列號 [0:1] 排除前兩列。

我能夠使用以下命令成功地將所有列中的所有非數字值轉換為 np.nam：

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

但是，當我嘗試使用以下兩種方法之一排除前兩列時，出現錯誤。

df = df[df.columns[2:].apply(pd.to_numeric, errors='coerce')]

給出錯誤：“AttributeError: 'Index' object has no attribute 'apply'”

df = df[df.iloc[:,2:].apply(pd.to_numeric, errors='coerce')]

給出錯誤：“ValueError：Boolean 數組預期用於條件，而不是對象”

顯然我做錯了什么，但我無法弄清楚它是什么。 任何幫助將不勝感激。 謝謝你。

Answer 1

嘗試：

df.iloc[:, 2:] = df.iloc[:, 2:].apply(pd.to_numeric, errors='coerce')

這讀作“在應用方法 X 后用相同的列替換前兩列之后的列”。

編寫df[something]只是簡單地使用something選擇df的列 - 例如，一系列索引或列名。

所以當你寫一個像

df[df.iloc[:,2:].apply(pd.to_numeric, errors='coerce')]

你的something是 DataFrame （從表達式df.iloc[:,2:].apply(pd.to_numeric, errors='coerce')返回的值）。

實際上，您將用於select列的值與您想要替換這些列的值混淆了。