📜  Python| pandas.to_numeric 方法

📅  最后修改于: 2022-05-13 01:55:45.861000             🧑  作者: Mango

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。

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: