Pandas 將字串轉換為數字型別
Suraj Joshi
2023年1月30日
2021年1月22日
-
pandas.to_numeric()方法 -
使用
pandas.to_numeric()方法將 Pandas DataFrame 的字串值轉換為數字型別 - 將 Pandas DataFrame 中的字串值轉換為含有其他字元的數字型別
本教程解釋瞭如何使用 pandas.to_numeric() 方法將 Pandas DataFrame 的字串值轉換為數字型別。
import pandas as pd
items_df=pd.DataFrame({
'Id':[302,504,708,103,343,565],
'Name':['Watch','Camera','Phone','Shoes','Laptop','Bed'],
'Cost':["300","400","350","100","1000","400"],
})
print(items_df)
輸出：
Id Name Cost
0 302 Watch 300
1 504 Camera 400
2 708 Phone 350
3 103 Shoes 100
4 343 Laptop 1000
5 565 Bed 400
我們將用上面的例子來演示如何將 DataFrame 的值轉換為數字型別。
pandas.to_numeric() 方法
語法
pandas.to_numeric(arg,
errors='raise',
downcast=None)
它將作為 arg 傳遞的引數轉換為數字型別。預設情況下，arg 將被轉換為 int64 或 float64。我們可以設定 downcast 引數的值，將 arg 轉換為其他資料型別。
使用 pandas.to_numeric() 方法將 Pandas DataFrame 的字串值轉換為數字型別
import pandas as pd
items_df = pd.DataFrame({
'Id': [302, 504, 708, 103, 343, 565],
'Name': ['Watch', 'Camera', 'Phone', 'Shoes', 'Laptop', 'Bed'],
'Cost': ["300", "400", "350", "100", "1000", "400"],
})
print("The items DataFrame is:")
print(items_df, "\n")
print("Datatype of Cost column before type conversion:")
print(items_df["Cost"].dtypes, "\n")
items_df["Cost"] = pd.to_numeric(items_df["Cost"])
print("Datatype of Cost column after type conversion:")
print(items_df["Cost"].dtypes)
輸出：
The items DataFrame is:
Id Name Cost
0 302 Watch 300
1 504 Camera 400
2 708 Phone 350
3 103 Shoes 100
4 343 Laptop 1000
5 565 Bed 400
Datatype of Cost column before type conversion:
object
Datatype of Cost column after type conversion:
int64
它將 items_df 中 Cost 列的資料型別從 object 轉換為 int64。
將 Pandas DataFrame 中的字串值轉換為含有其他字元的數字型別
如果我們想將一列轉換成數值型別，其中有一些字元的值，我們得到一個錯誤說 ValueError: Unable to parse string。在這種情況下，我們可以刪除所有非數字字元，然後進行型別轉換。
import pandas as pd
items_df = pd.DataFrame({
'Id': [302, 504, 708, 103, 343, 565],
'Name': ['Watch', 'Camera', 'Phone', 'Shoes', 'Laptop', 'Bed'],
'Cost': ["$300", "$400", "$350", "$100", "$1000", "$400"],
})
print("The items DataFrame is:")
print(items_df, "\n")
print("Datatype of Cost column before type conversion:")
print(items_df["Cost"].dtypes, "\n")
items_df["Cost"] = pd.to_numeric(items_df["Cost"].str.replace('$', ''))
print("Datatype of Cost column after type conversion:")
print(items_df["Cost"].dtypes, "\n")
print("DataFrame after Type Conversion:")
print(items_df)
輸出：
The items DataFrame is:
Id Name Cost
0 302 Watch $300
1 504 Camera $400
2 708 Phone $350
3 103 Shoes $100
4 343 Laptop $1000
5 565 Bed $400
Datatype of Cost column before type conversion:
object
Datatype of Cost column after type conversion:
int64
DataFrame after Type Conversion:
Id Name Cost
0 302 Watch 300
1 504 Camera 400
2 708 Phone 350
3 103 Shoes 100
4 343 Laptop 1000
5 565 Bed 400
它刪除了與 Cost 列的值相連的 $ 字元，然後使用 pandas.to_numeric() 方法將這些值轉換為數字型別。
Author: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn