将 DataFrame 中的字符串转换为浮点数[重复]

问题描述：

如何将 DataFrame 中一个包含字符串和NaN值的列转换为浮点数。此外，还有一列的值既是字符串又是浮点数；如何将这一整列都转换为浮点数。

解决方案 1：

注意： pd.convert_objects现已弃用。您应该按照其他答案中的说明使用pd.Series.astype(float)或。pd.to_numeric

这在 0.11 中可用。强制转换（或设置为 nan）即使astype失败也能正常工作；它也是逐个系列的，因此它不会转换完整的字符串列

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

解决方案 2：

您可以尝试df.column_name = df.column_name.astype(float)。至于NaN值，您需要指定如何转换它们，但您可以使用.fillna方法来执行此操作。

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])

解决方案 3：

在较新版本的 Pandas（0.17 及更高版本）中，您可以使用to_numeric函数。该函数允许您转换整个数据框或仅转换单个列。它还允许您选择如何处理无法转换为数值的内容：

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')

解决方案 4：

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

解决方案 5：

在转换为浮点数之前，必须用 np.nan 替换空字符串 ('')。即：

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

解决方案 6：

import pandas as pd
df['a'] = pd.to_numeric(df['a'])

解决方案 7：

这是一个例子

                            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

但如果这是所有字符串值...就像我的情况一样...将所需的列转换为浮点数：

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)

您的数据框现在将具有浮点值:-)