如何在Python中定义函数将对象列转换为浮点数？
如何在Python中定义函数将对象列转换为浮点数？
提问于 2018-08-18 07:37:52
我导入了一个具有不同类型列的DataFrame。如下所示：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1272 entries, 0 to 1271
Columns: 189 entries, Year to HUMAN_rank
dtypes: float64(67), int64(1), object(121)
memory usage: 1.8+ MB我想要想出一个函数来迭代DataFrame的每一列，识别每一列中的值的类型，如果该列具有object类型，则将其转换为float。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-08-18 07:46:59
要仅对object数据类型执行此操作，可以使用select_dtypes执行此操作
df[df.select_dtypes('object').columns] = df.select_dtypes('object').astype(float)例如：
>>> df
col1 col2 col3 col4
0 1 0.452893 2 8
1 2 0.745232 3 6
2 1 0.374296 3 1
3 3 0.398660 3 4
4 2 0.902737 2 1
5 3 0.940392 3 0
6 3 0.382493 3 0
7 2 0.684829 3 4
8 2 0.506248 3 8
9 1 0.161701 3 3
>>> df.dtypes
col1 object
col2 float64
col3 object
col4 int64
dtype: object
>>> df[df.select_dtypes('object').columns] = df.select_dtypes('object').astype(float)
>>> df.dtypes
col1 float64
col2 float64
col3 float64
col4 int64
dtype: object注意：如果您的一些列有一些不能转换为浮点型的值，上面的方法将不起作用。您可以遍历它们，使用带有errors='coerce'和downcast='float'的pd.to_numeric转换它们
>>> df
col1 col2 col3 col4
0 3 0.594651 2 6
1 3 0.677595 3 3
2 3 0.546434 1 0
3 3 0.454769 2 6
4 x 0.321130 2 3
5 2 0.473391 2 7
6 1 0.207182 2 7
7 2 0.883071 3 1
8 x 0.994372 2 4
9 1 0.052539 3 2
>>> df.dtypes
col1 object
col2 float64
col3 object
col4 int64
dtype: object
for col in df.select_dtypes('object').columns:
df[col] = pd.to_numeric(df[col], errors='coerce', downcast='float')
>>> df
col1 col2 col3 col4
0 3.0 0.594651 2.0 6
1 3.0 0.677595 3.0 3
2 3.0 0.546434 1.0 0
3 3.0 0.454769 2.0 6
4 NaN 0.321130 2.0 3
5 2.0 0.473391 2.0 7
6 1.0 0.207182 2.0 7
7 2.0 0.883071 3.0 1
8 NaN 0.994372 2.0 4
9 1.0 0.052539 3.0 2
>>> df.dtypes
col1 float32
col2 float64
col3 float32
col4 int64
dtype: object页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51903994
复制相关文章
相似问题