Question

我有一个数据框，其中包含一些包含object类型数据的列，因为有一些时髦的数据条目（又名a。或whatnot）。

我已经能够通过识别对象列然后执行此操作来纠正此问题：

obj_cols = df.loc[:, df.dtypes == object]
conv_cols = obj_cols.convert_objects(convert_numeric='force')

这很好，允许我运行我需要的回归，但会产生这个错误：

FutureWarning: convert_objects is deprecated.

有没有更好的方法来避免错误？我也试过构建一个lambda函数但是没有用。

Answer 1

不推荐使用Convert_objects。请改用它。您可以添加参数错误=＆＃39;强制＆＃39;将错误的非数字值转换为NaN。

conv_cols = obj_cols.apply(pd.to_numeric, errors = 'coerce')

该函数将应用于整个DataFrame。可以转换为可以转换为数字类型的列，而不能（例如，它们包含非数字字符串或日期）的列将保持不变。

Answer 2

如果您有样本数据框：

sales = [{'account': 'Jones LLC', 'Jan': 150, 'Feb': 'f', 'Mar': 140},
     {'account': 'Alpha Co',  'Jan': 'e', 'Feb': 210, 'Mar': 215},
     {'account': 'Blue Inc',  'Jan': 50,  'Feb': 90,  'Mar': 'g' }]
df = pd.DataFrame(sales)

并且您想要删除应该是数字的列中的字符串，您可以使用pd.to_numeric

执行此操作

cols = ['Jan', 'Feb', 'Mar']
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce', axis=1)

您的新数据框将使用NaN代替“古怪”数据框。数据

将pandas dataframe列转换为数字的更好方法

2 个答案: