如何在python中将datatype:object转换为float64？

Question

我绕圈子，尝试了很多不同的方法，所以我猜我的核心理解是错误的。如果您能帮助我理解我的编码/解码问题，我将不胜感激。

我从SQL导入数据帧，似乎有些数据类型：float64被转换为Object。因此，我不能做任何计算。我无法将对象转换回float64。

测向头（）

Date        WD  Manpower 2nd     CTR    2ndU    T1  　　T2    　　T3    　　T4 

2013/4/6    6   NaN     2,645   5.27%   0.29    407     533     454     368
2013/4/7    7   NaN     2,118   5.89%   0.31    257     659     583     369
2013/4/13   6   NaN     2,470   5.38%   0.29    354     531     473 　　383
2013/4/14   7   NaN     2,033   6.77%   0.37    396     748     681     458
2013/4/20   6   NaN     2,690   5.38%   0.29    361     528     541     381

数据类型

WD             float64
Manpower       float64
2nd             object
CTR             object
2ndU           float64
T1              object
T2              object
T3              object
T4              object
T5              object

dtype: object

SQL表：

Answer 1

convert_对象已弃用。

对于pandas>；=0.17.0，使用pd.to_numeric

df["2nd"] = pd.to_numeric(df["2nd"])

Answer 2

我在一个数据框（df）中遇到了这个问题，这个数据框是从一个包含多个内部标题行的Excel工作表中创建的。

从df中清除内部头行后，列的值为“非空对象”类型（DataFrame.info()）。

此代码一次性将多个列的所有数值转换为int64和float64：

for i in range(0, len(df.columns)):
    df.iloc[:,i] = pd.to_numeric(df.iloc[:,i], errors='ignore')
    # errors='ignore' lets strings remain as 'non-null objects'

Answer 3

您可以通过调用^{}来转换大多数列：

In [36]:

df = df.convert_objects(convert_numeric=True)
df.dtypes
Out[36]:
Date         object
WD            int64
Manpower    float64
2nd          object
CTR          object
2ndU        float64
T1            int64
T2          int64
T3           int64
T4        float64
dtype: object

对于列“2nd”和“CTR”，我们可以调用矢量化的^{}方法来替换千位分隔符并删除“%”符号，然后^{}来转换：

In [39]:

df['2nd'] = df['2nd'].str.replace(',','').astype(int)
df['CTR'] = df['CTR'].str.replace('%','').astype(np.float64)
df.dtypes
Out[39]:
Date         object
WD            int64
Manpower    float64
2nd           int32
CTR         float64
2ndU        float64
T1            int64
T2            int64
T3            int64
T4           object
dtype: object
In [40]:

df.head()
Out[40]:
        Date  WD  Manpower   2nd   CTR  2ndU   T1  　　T2   T3     T4
0   2013/4/6   6       NaN  2645  5.27  0.29  407   533  454    368
1   2013/4/7   7       NaN  2118  5.89  0.31  257   659  583    369
2  2013/4/13   6       NaN  2470  5.38  0.29  354   531  473  　　383
3  2013/4/14   7       NaN  2033  6.77  0.37  396   748  681    458
4  2013/4/20   6       NaN  2690  5.38  0.29  361   528  541    381

或者可以在不调用astype的情况下执行上面的字符串处理操作，然后调用convert_objects一次性转换所有内容。

更新

由于版本0.17.0convert_objects已被弃用，并且没有顶级函数来执行此操作，因此您需要执行以下操作：

df.apply(lambda col:pd.to_numeric(col, errors='coerce'))

请参阅docs和相关问题：pandas: to_numeric for multiple columns