Python pandas.to_numeric方法

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

pandas.to_numeric()是Pandas的一个通用函数，用于将参数转换为数字类型。

语法: pandas.to_numeric(arg, errors=’raise’, downcast=None)

参数:
arg : list, tuple, 1-d array, or Series
errors: {‘ignore’, ‘raise’, ‘coerce’},, 默认’raise’。
– > 如果是’raise’，那么无效的解析将引发一个异常
– > 如果’coerce’，那么无效的解析将被设置为NaN
– > 如果’ignore’，那么无效的解析将返回输入值
downcast : [default None] 如果不是None，并且如果数据已经成功地投递到一个数字dtype，那么根据以下规则，将产生的数据下调到最小的数字dtype。
– > ‘整数’或’有符号’：最小的有符号int dtype（最小：np.int8）。
– > ‘unsigned’: 最小的无符号int dtype (min. : np.uint8)
– > ‘float’: 最小的float dtype (min. : np.float32)

返回：数字，如果解析成功。注意，返回类型取决于输入。如果是系列，则为系列，否则为ndarray。

代码 #1:

首先观察一下这个数据集。我们将使用这个数据的’数字’列，以便制作系列，然后进行操作。

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
  
df.head(10)

在Number列上调用系列构造函数，然后选择前10行。

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("nba.csv") 
  
  
# get first ten 'numbers'
ser = pd.Series(df['Number']).head(10)
ser

输出:

使用pd.to_numeric()方法。请注意，通过使用downcast=’signed’，所有的值都将被转换为整数。

pd.to_numeric(ser, downcast ='signed')

输出:

代码#2：使用 errors=’ignore’。它将忽略所有非数字值。

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='ignore')

输出:

代码#3：使用 errors=’coerce’。它将用NaN替换所有非数字值。

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='coerce')

输出: