如何在python中将datatype:object转换为float64？

Question

我兜兜转转，尝试了很多不同的方法，所以我想我的核心理解是错误的。如果能帮助我理解我的 encoding/decoding 问题，我将不胜感激。

我从 SQL 导入数据框，似乎一些 datatypes:float64 被转换为对象。因此，我无法进行任何计算。我无法将对象转换回 float64。

df.head()

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

df.dtypes

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

dtype: object

SQL table:

Answer 1

您只需调用 convert_objects:

即可转换大部分列

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 str methods to replace the thousands separator and remove the '%' sign and then astype 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

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

更新

由于版本 0.17.0 convert_objects 已弃用，并且没有顶级函数可以执行此操作，因此您需要执行以下操作：

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

见docs and this related question:

Answer 2

你可以试试这个：

df['2nd'] = pd.to_numeric(df['2nd'].str.replace(',', ''))
df['CTR'] = pd.to_numeric(df['CTR'].str.replace('%', ''))

Answer 3

或者您可以使用正则表达式来处理多个项目作为此问题的一般情况，

df['2nd'] = pd.to_numeric(df['2nd'].str.replace(r'[,.%]','')) 
df['CTR'] = pd.to_numeric(df['CTR'].str.replace(r'[^\d%]',''))

Answer 4

convert_objects 已弃用。

对于 pandas >= 0.17.0，使用 pd.to_numeric

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

Answer 5

我在从具有多个内部 header 行的 Excel-sheet 创建的 DataFrame (df) 中遇到了这个问题。

从 df 中清除内部 header 行后，列的值是 "non-null object" 类型 (DataFrame.info())。

这段代码将多列的所有数值一次性转为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 6

X = np.array(X, dtype=float)

在 python 3.7.6

中，您可以使用它来转换为浮点数组

如何在python中将datatype:object转换为float64？

How to convert datatype:object to float64 in python?

python

pandas