Python| pandas.to_numeric 方法

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas 就是其中之一，它使导入和分析数据变得更加容易。

pandas.to_numeric()是 Pandas 中的通用函数之一，用于将参数转换为数字类型。

Syntax: pandas.to_numeric(arg, errors=’raise’, downcast=None)

Parameters:
arg : list, tuple, 1-d array, or Series
errors : {‘ignore’, ‘raise’, ‘coerce’}, default ‘raise’
-> If ‘raise’, then invalid parsing will raise an exception
-> If ‘coerce’, then invalid parsing will be set as NaN
-> If ‘ignore’, then invalid parsing will return the input
downcast : [default None] If not None, and if the data has been successfully cast to a numerical dtype downcast that resulting data to the smallest numerical dtype possible according to the following rules:
-> ‘integer’ or ‘signed’: smallest signed int dtype (min.: np.int8)
-> ‘unsigned’: smallest unsigned int dtype (min.: np.uint8)
-> ‘float’: smallest float dtype (min.: np.float32)

Returns: numeric if parsing succeeded. Note that return type depends on input. Series if Series, otherwise ndarray.

代码#1：

首先观察这个数据集。我们将使用此数据的“数字”列来制作系列，然后进行操作。

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
  
df.head(10)

在 Number 列上调用 Series 构造函数，然后选择前 10 行。

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("nba.csv") 
  
  
# get first ten 'numbers'
ser = pd.Series(df['Number']).head(10)
ser

输出：

使用 pd.to_numeric() 方法。请注意，通过使用 downcast='signed'，所有值都将转换为整数。

pd.to_numeric(ser, downcast ='signed')

输出：

代码#2：使用errors='ignore'。它将忽略所有非数字值。

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='ignore')

输出：
代码#3：使用errors='coerce'。它将用 NaN 替换所有非数字值。

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='coerce')

输出：