Преобразование строк в float в DataFrame

Ответ 1

ПРИМЕЧАНИЕ: pd.convert_objects теперь устарела. Вы должны использовать pd.Series.astype(float) или pd.to_numeric как описано в других ответах.

Это доступно в 0.11. astype преобразование (или значение Nan). Это будет работать, даже если astype потерпит неудачу; его также серии за серией, поэтому он не будет конвертировать, скажем, полный столбец строки

In [10]: df = DataFrame(dict(A = Series(['1.0','1']), B = Series(['1.0','foo'])))

In [11]: df
Out[11]: 
     A    B
0  1.0  1.0
1    1  foo

In [12]: df.dtypes
Out[12]: 
A    object
B    object
dtype: object

In [13]: df.convert_objects(convert_numeric=True)
Out[13]: 
   A   B
0  1   1
1  1 NaN

In [14]: df.convert_objects(convert_numeric=True).dtypes
Out[14]: 
A    float64
B    float64
dtype: object

Ответ 2

Вы можете попробовать df.column_name = df.column_name.astype(float). Что касается значений NaN, вам нужно указать, как они должны быть преобразованы, но вы можете использовать метод .fillna для этого.

Пример:

In [12]: df
Out[12]: 
     a    b
0  0.1  0.2
1  NaN  0.3
2  0.4  0.5

In [13]: df.a.values
Out[13]: array(['0.1', nan, '0.4'], dtype=object)

In [14]: df.a = df.a.astype(float).fillna(0.0)

In [15]: df
Out[15]: 
     a    b
0  0.1  0.2
1  0.0  0.3
2  0.4  0.5

In [16]: df.a.values
Out[16]: array([ 0.1,  0. ,  0.4])

Ответ 3

В более новой версии pandas (0,17 и выше) вы можете использовать функцию to_numeric. Он позволяет конвертировать весь кадр данных или отдельные столбцы. Он также дает вам возможность выбрать способ обработки файлов, которые не могут быть преобразованы в числовые значения:

import pandas as pd
s = pd.Series(['1.0', '2', -3])
pd.to_numeric(s)
s = pd.Series(['apple', '1.0', '2', -3])
pd.to_numeric(s, errors='ignore')
pd.to_numeric(s, errors='coerce')

Ответ 4

df['MyColumnName'] = df['MyColumnName'].astype('float64') 

Ответ 5

Вот пример

                            GHI             Temp  Power Day_Type
2016-03-15 06:00:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:01:00 -7.99999952505459e-7    18.2    0   NaN
2016-03-15 06:02:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:03:00 -7.99999952505459e-7    18.3    0   NaN
2016-03-15 06:04:00 -7.99999952505459e-7    18.3    0   NaN

но если это все строковые значения... как было в моем случае... Преобразуйте нужные столбцы в float:

df_inv_29['GHI'] = df_inv_29.GHI.astype(float)
df_inv_29['Temp'] = df_inv_29.Temp.astype(float)
df_inv_29['Power'] = df_inv_29.Power.astype(float)

Ваш фрейм данных теперь будет иметь значения с плавающей точкой :-)

Ответ 6

вы должны заменить пустые строки ('') на np.nan перед преобразованием в float. то есть:

df['a']=df.a.replace('',np.nan).astype(float)