pandas 将带有数字和 nan 的对象转换为整数或浮点数
pandas convert objects with numbers and nans to ints or floats
我知道类似的案例已经回答了好几次，但我还是无法让它发挥作用。
示例数据：
10
5
20
5
6
在我弄明白之后：
df = df['column_name'].astype(str).astype(int)
如果输入数据中没有 nans，它就可以工作。
error: invalid literal for int() with base 10: 'nan'
我也曾尝试使用 float 代替，但它也给出了错误
error: could not convert string to float
我错过了什么？
输出可以是带有 "null"、"nan"、"" 的任何内容，例如：
10
5
20
null
5
null
6
您可以使用 to_numeric and errors='coerce' for floats in columns and for integers use nullable integer data type (pandas 0.24+) 转换为数字：
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce').astype('Int64')
print (df)
column_name
0 10
1 5
2 20
3 NaN
4 5
5 NaN
6 6
详情:
print (pd.to_numeric(df['column_name'], errors='coerce'))
0 10.0
1 5.0
2 20.0
3 NaN
4 5.0
5 NaN
6 6.0
Name: column_name, dtype: float64
我知道类似的案例已经回答了好几次，但我还是无法让它发挥作用。
示例数据：
10
5
20
5
6
在我弄明白之后：
df = df['column_name'].astype(str).astype(int)
如果输入数据中没有 nans，它就可以工作。
error: invalid literal for int() with base 10: 'nan'
我也曾尝试使用 float 代替，但它也给出了错误
error: could not convert string to float
我错过了什么？
输出可以是带有 "null"、"nan"、"" 的任何内容，例如：
10
5
20
null
5
null
6
您可以使用 to_numeric and errors='coerce' for floats in columns and for integers use nullable integer data type (pandas 0.24+) 转换为数字：
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce').astype('Int64')
print (df)
column_name
0 10
1 5
2 20
3 NaN
4 5
5 NaN
6 6
详情:
print (pd.to_numeric(df['column_name'], errors='coerce'))
0 10.0
1 5.0
2 20.0
3 NaN
4 5.0
5 NaN
6 6.0
Name: column_name, dtype: float64