如何在 Pandas DataFrame 中将字符串转换为浮点数？

在本文中，我们将研究在 pandas 数据帧中将字符串转换为浮点数的不同方法。现在，让我们创建一个以“年份”和“通货膨胀率”为列的数据框。

Python3

# importing pandas library
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
        'Inflation Rate': ['4.47', '5', 
                           '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# show the dataframe
print (df)
  
# show the datatypes
print(df.dtypes)

输出：

方法 1：使用DataFrame.astype() 。

该方法用于将 pandas 对象转换为指定的 dtype。

Syntax: DataFrame.astype(self: ~ FrameOrSeries, dtype, copy: bool = True, errors: str = ‘raise’)
 

Returns: casted: type of caller

示例：在此示例中，我们将“通货膨胀率”列的每个值转换为浮点数。

Python3

# importing pandas library
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
        'Inflation Rate': ['4.47', '5', 
                           '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value 
# of column to a string
df['Inflation Rate'] = df['Inflation Rate'].astype(float)
  
# show the dataframe
print(df)
  
# show the datatypes
print (df.dtypes)

输出：

方法 2：使用pandas.to_numeric()函数。

该函数用于将参数转换为数值类型。

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

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

示例 1：在此示例中，我们将“通货膨胀率”列的每个值转换为浮点数。

代码：

Python3

# importing pandas library
import pandas as pd
  
# creating a dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
          'Inflation Rate': ['4.47', '5', 
                             '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value of column to a string
df['Inflation Rate'] = pd.to_numeric(df['Inflation Rate'])
  
# show the dataframe
print(df)
  
# show the data types
print (df.dtypes)

输出：

示例 2：有时，我们可能没有将浮点值表示为字符串。因此，pd.to_numeric()函数将显示错误。为了消除这个错误，我们可以使用errors='coerce' ，将这个位置的值转换为NaN 。

代码：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017',
                 '2018', '2019'],
         'Inflation Rate': ['4.47', '5', 
                           'No data', '4.1']}
  
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value of column to a string
df['Inflation Rate'] = pd.to_numeric(df['Inflation Rate'],
                                     errors = 'coerce')
  
# show the dataframe
print(df)
  
# show the data types
print (df.dtypes)

输出：

注意：字符串数据类型显示为对象。