pandas to_numeric(…，downcast='float')失去精度
pandas的to_numeric(…，downcast='float')函数用于将数据转换为数值类型，并通过downcast参数将其降低为较小的浮点数类型。然而，使用该函数进行downcast='float'操作可能会导致数据失去精度。
downcast='float'参数会将数据转换为32位浮点数类型，这是一种较小的浮点数类型，可以节省内存空间。然而，由于32位浮点数类型的精度限制，一些较大或较精确的数值可能无法被完全保留，导致数据失去精度。
这种情况下，可以尝试使用downcast='integer'参数来将数据转换为整数类型，以保留更多的精度。但需要注意的是，这仅适用于不包含小数的数据。如果数据包含小数，使用downcast='integer'将会将小数部分截断。
总结起来，to_numeric函数的downcast='float'参数可以用于将数据转换为较小的浮点数类型，以节省内存空间，但可能会导致数据失去精度。如果需要保留更多的精度，可以尝试使用downcast='integer'参数，但仅适用于不包含小数的数据。
关于pandas库的更多信息和功能介绍，您可以访问腾讯云的产品文档链接：腾讯云产品文档 - pandas
相关·内容
将pandas数据帧(按列)从float64向下转换为float32会导致精度下降，即使最大(9.761140e+02)和最小(0.000000e+00)元素适用于float32。
浏览 65提问于2020-04-20得票数 1
为什么NA的引入改变了.to_numeric的输出？在pandas中如何使用to_numeric方法处理bool数据类型？Age':[False, False, False, False]}pd.to_numeric(df['Age'], errors='coerce',downcast= 'float')
1 False3 F
浏览 1提问于2021-06-17得票数 0
1回答
在阅读有关Int64的pandas documentation时，我了解到我们应该使用pandas.NA来处理缺失值。/arrays/integer.py in coerce_to_array(values, dtype, mask, copy)
242 "mixed-integer-float在尝试转换时，我有以下回溯： $ provider_frame['NEQ'] = provider_frame['NEQ'].astype(
浏览 91提问于2020-09-16得票数 1
这些列被推断为float64，但随后我可以使用熊猫to_numeric函数将这些列降到float32中，而不会丢失精度。如果熊猫能够在不失去精确性的情况下被降为float64，为什么它们没有效率地推断出它们是float32呢？= pd.DataFrame(list(map(np.ravel, a)), dtype=None)# the columns are float64genotype
浏览 0提问于2018-10-01得票数 0
回答已采纳
我有一个dataset，其中pandas.read_csv()处理将一些连续的数值列/特征/变量数据从object适当地强制转换为float64、int64或uint8，而不是其他的。因此，我尝试使用下面的pandas.to_numeric()调用并指定了int64参数，将本应转换为continuous数字类型的列数据转换为continuous数字类型，但仍然得到了float64结果df.wc = pd.to_numeric(df.wc, errors='coerce', d
浏览 1提问于2018-01-31得票数 2
然后，我尝试使用to_numeric方法：In [112]: d.loc[:, 'ii'] = pd.to_numeric(d.si, errors='coerce', downcast='integer')
Out[113]: s objectdtype文件上说：
downcast : {
浏览 4提问于2022-06-06得票数 1
回答已采纳
2回答
我有这个问题：和aI需要以浮点型返回结果'salary‘，但是.astype(float)不起作用# Import your librariesresult['salary'] = result['salary']result
我尝试使用这个：result[
浏览 23提问于2021-03-01得票数 0
1回答
1000000 1.1 1.111111A int64C float64D float64 预期结果： >>> df.dtypesB int32D float32
dtype: object
浏览 14提问于2021-01-22得票数 3
回答已采纳
我正在尝试将包含仅以.0作为小数的浮点数的列转换为integer64。我在这个论坛上发现了一些旧的，但它们似乎不再起作用了。最终我使用了：我想知道这是不是熊猫的最佳实践，与相比又如何？
浏览 4提问于2018-02-16得票数 1
回答已采纳
2回答
我现在有一个dataframe，它有n个数值列和三个列，分别是datetime和string值。我想将所有列(只有三列)转换为数值，但不确定最佳方法是什么。下面是一个示例数据(简化)：4-2016', 10], [2, '5-5-2016', 7], [5, '5-4-2016', 8]]), columns= ['ID',
'Date
浏览 0提问于2019-07-16得票数 0
回答已采纳
Pandas和numpy有多种方法来更改数值类型，但我找不到一种自动的方法来安全地将浮点数转换为尽可能小的整数，因为不会丢失任何数值信息。例如：1.0 (float32) -> 1 (int8) # also OK, just morecompact storage
1.4 (float32) -> 1 (int8) # not OK, 1 !另外，我认为答案(NaNs)中缺少值(NaNs)，
浏览 1提问于2019-04-19得票数 3
我有一个pandas dataframe，我正在尝试将一列数字从字符串类型转换为整数。但是当我使用to_numeric()时，它会转换成一个浮点数。 我用的是Jupyter Notebook。dtype: object 和 type(citydata.tcad_id[0]) 显示第一个(和后续)条目是... str 所以我试着 pd.to_numeric(citydata.tcad_id, downcast217230301.0
999 20416071
浏览 48提问于2020-01-09得票数 1
2回答
问题是，默认情况下，pandas推断类型的方式不符合我的需求。例如，某些行没有值的数值变量最终会被解释为float64，即使它们本应用作整数。例如，我希望优先考虑Int64Dtype而不是float64，而不必手动创建巨大的数据类型字典。
浏览 37提问于2021-01-13得票数 1
回答已采纳
1回答
星火上潘达斯命令出错了吗？
、、、、
在成功地加载了我的Pandas之后，我得到了一个错误："TypeError: to_numeric()得到了一个意外的关键字参数'downcast‘“ # Changingif len(int_count) == len(str_count):if len(<e
浏览 4提问于2017-07-10得票数 0
回答已采纳
playlist_genre']) ValueError Traceback (most recent call last) 147 coerce_numeric =
浏览 2提问于2020-07-30得票数 1
将包含类型为"10%“和"0.10”的字符串的Pandas系列转换为数值的最佳方法是什么？mixed = pd.Series(["10%","0.10","5.5%","0.02563"])
mixed.str.replace("%","").astype("float")/
浏览 11提问于2022-06-09得票数 7
回答已采纳
它当前的dtype是object，我需要将它转换为float。我在网上看到的一切都表明这是正确的格式，但它会抛出一个ValueError。\_libs\lib.pyx in pandas.'Average_price'] = pd.to_numeric(clean_properties['Average_price'])
~\anaconda33\lib\site-packages\pandas\core\tools\numeric.py in to_numeric(arg, er
浏览 13提问于2022-02-25得票数 0
1回答
我将Python文件序列化为float文件csv.writerow([..., some_float, ...])然后通过pandas.read_csv作为np.float64把它们读回来。它是否保证了我读到的浮点值就是我得到的值，或者我是否有可能失去一些精度？谢谢。
浏览 1提问于2018-04-20得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
