Question

我有一个pandas.DataFrame，包含string，float和int类型。

有没有办法将所有无法转换为float的字符串设置为NaN？

例如：

    A  B   C      D
0   1  2   5      7
1   0  4 NaN     15
2   4  8   9     10
3  11  5   8      0
4  11  5   8  "wajdi"

为：

    A  B   C      D
0   1  2   5      7
1   0  4 NaN     15
2   4  8   9     10
3  11  5   8      0
4  11  5   8    NaN

Answer 1

您可以使用pd.to_numeric并设置errors='coerce'

pandas.to_numeric

df['D'] = pd.to_numeric(df.D, errors='coerce')

哪个会给你：

    A   B   C   D
0   1   2   5.0 7.0
1   0   4   NaN 15.0
2   4   8   9.0 10.0
3   11  5   8.0 0.0
4   11  5   8.0 NaN

已弃用的解决方案（仅限pandas＆lt; = 0.20）：

df.convert_objects(convert_numeric=True)

pandas.DataFrame.convert_objects

以下convert_objects源代码中的开发说明：# TODO: Remove in 0.18 or 2017, which ever is sooner。因此，如果您使用它，请不要将其作为长期解决方案。

Answer 2

这是一种方式：

df['E'] = pd.to_numeric(df.D, errors='coerce')

然后你有：


    A  B    C      D     E
0   1  2  5.0      7   7.0
1   0  4  NaN     15  15.0
2   4  8  9.0     10  10.0
3  11  5  8.0      0   0.0
4  11  5  8.0  wajdi   NaN

Answer 3

您可以将pd.to_numeric与errors='coerce'一起使用。

In [30]: df = pd.DataFrame({'a': [1, 2, 'NaN', 'bob', 3.2]})

In [31]: pd.to_numeric(df.a, errors='coerce')
Out[31]: 
0    1.0
1    2.0
2    NaN
3    NaN
4    3.2
Name: a, dtype: float64

以下是将其应用于所有列的一种方法：

for c in df.columns:
    df[c] = pd.to_numeric(df[c], errors='coerce')

（请参阅NinjaPuppy的评论以获得更好的方法。）

pandas.DataFrame将所有字符串值设置为nan

3 个答案: