Pandas 对多列使用to_numeric转换数据类型

在许多情况下，我们需要将数据的类型转换为适合我们所需的类型。Pandas提供了许多函数来实现这一目的。其中之一是to_numeric()函数。在本文中，我们将介绍如何使用to_numeric()函数将多列数据转换为数字类型。

阅读更多：Pandas 教程

什么是to_numeric()函数？

to_numeric()函数是Pandas中的一个函数，它将对象转换为浮点型或整型数据。它的语法如下：

pd.to_numeric(arg, errors='raise', downcast=None)

其中，arg是需要转换的数据对象（如Series、DataFrame或单个数据），errors参数控制处理错误（默认为’raise’，表示出现错误时引发异常），downcast参数可用于强制使用有符号整数型或无符号整数型数据类型。

如何使用to_numeric()函数？

让我们看一下如何使用to_numeric()函数将多列数据转换为数字类型。

首先，我们需要创建一个Pandas DataFrame：

import pandas as pd
data = {'A': ['1', '2', '3'], 'B': ['4', '5', '6'], 'C': ['7.2', '8.3', '9.4']}
df = pd.DataFrame(data)
print(df)

上述代码将创建一个名为df的DataFrame，其中包含3列和3行。

输出结果如下：

   A  B    C
0  1  4  7.2
1  2  5  8.3
2  3  6  9.4

现在，我们可以使用to_numeric()函数将列’A’、’B’和’C’转换为数字类型：

df[['A', 'B', 'C']] = df[['A', 'B', 'C']].apply(pd.to_numeric)
print(df.dtypes)

上述代码使用apply()函数将to_numeric函数应用于DataFrame的每个元素。最后，我们打印每列的数据类型：

A      int64
B      int64
C    float64
dtype: object

可以看到，列’A’和’B’被转换为整型，而’C’被转换为浮点型。

如何处理错误？

当to_numeric()函数无法将一个对象转换为数字类型时，它将引发异常。您可以通过使用errors参数来控制如何处理错误。errors参数有三个选项：

• raise：这是默认值，表示在遇到错误时引发异常。
• coerce：这将尝试将无法转换为数字类型的对象转换为NaN值。
• ignore：这将忽略无法转换为数字类型的对象，保留原始值。

例如，如果我们使用“A”和“C”列中的“1”和“7.2”之外的任何字符串，我们可以测试错误处理选项。以下是我们测试错误处理选项的代码：

data = {'A': ['1', '2', 'abc'], 'B': ['4', '5', '6'], 'C': ['7.2', '8.3', 'xyz']}
df = pd.DataFrame(data)
print(df)
df[['A', 'B', 'C']] = df[['A', 'B', 'C']].apply(pd.to_numeric, errors='coerce')
print(df)

上述代码将创建一个包含错误的DataFrame，然后使用to_numeric()函数将列’A’、’B’和’C’转换为数字类型，并使用coerce错误处理选项。输出结果如下：

     A  B    C
0    1  4  7.2
1    2  5  8.3
2  abc  6  xyz

     A  B    C
0  1.0  4  7.2
1  2.0  5  8.3
2  NaN  6  NaN

可以看到，由于’A’列和’C’列中包含无法转换为数字类型的字符串，使用“coerce”选项将这些值转换为NaN值，而没有抛出异常。

如何选取downcast选项？

downcast是另一个to_numeric()函数的可选参数。它用于强制将浮点类型的数据类型进行缩减。缩减数据类型可以在大型数据集中提高性能并减少内存使用。downcast参数可以采用以下选项：

• integer：表示将数据类型转换为有符号整数型数据类型（int8、int16、int32或int64）。
• unsigned：表示将数据转换为无符号整数型数据类型（uint8、uint16、uint32或uint64）。
• float：表示将数据转换为浮点型数据类型。
• None（默认值）：表示不进行缩减。

以下是一个带有downcast参数的例子：

data = {'A': [100, 200, 300], 'B': [400, 500, 600], 'C': [700.0, 800.0, 900.0]}
df = pd.DataFrame(data)
print(df.dtypes)
df[['A', 'B', 'C']] = df[['A', 'B', 'C']].apply(pd.to_numeric, downcast='integer')
print(df.dtypes)

上述代码将创建一个DataFrame，并使用to_numeric()函数将列’A’、’B’和’C’转换为整型，并使用downcast参数将其缩减为int8。输出结果如下：

A      int64
B      int64
C    float64
dtype: object

A      int8
B      int8
C    int16
dtype: object

可以看到，使用downcast参数将数据类型缩减为int8和int16，可以大大减少内存使用。

总结

在本文中，我们介绍了如何使用to_numeric()函数将多列数据转换为数字类型。我们还介绍了如何使用错误处理选项和downcast选项，以便更好地控制函数的行为。to_numeric()函数是一个非常有用的函数，使我们能够轻松地转换数据的类型，以使其符合我们的需要。