pandas.to_numeric - 找出无法解析的字符串

Question

将 pandas.to_numeric 应用于包含表示数字的字符串（以及可能其他无法解析的字符串）的数据框列会导致如下错误消息：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-66-07383316d7b6> in <module>()
      1 for column in shouldBeNumericColumns:
----> 2     trainData[column] = pandas.to_numeric(trainData[column])

/usr/local/lib/python3.5/site-packages/pandas/tools/util.py in to_numeric(arg, errors)
    113         try:
    114             values = lib.maybe_convert_numeric(values, set(),
--> 115                                                coerce_numeric=coerce_numeric)
    116         except:
    117             if errors == 'raise':

pandas/src/inference.pyx in pandas.lib.maybe_convert_numeric (pandas/lib.c:53558)()

pandas/src/inference.pyx in pandas.lib.maybe_convert_numeric (pandas/lib.c:53344)()

ValueError: Unable to parse string

看看哪个值解析失败会有帮助吗？

Answer 1

我认为您可以添加参数 errors='coerce' 以将错误的非数值转换为 NaN，然后通过 isnull and use boolean indexing:

检查此值

print (df[pd.to_numeric(df.col, errors='coerce').isnull()])

样本：

df = pd.DataFrame({'B':['a','7','8'],
                   'C':[7,8,9]})

print (df)
   B  C
0  a  7
1  7  8
2  8  9

print (df[pd.to_numeric(df.B, errors='coerce').isnull()])
   B  C
0  a  7

或者如果需要在混合列中查找所有字符串 - 带有字符串值的数字检查值的 type 如果是 string:

df = pd.DataFrame({'B':['a',7, 8],
                   'C':[7,8,9]})

print (df)
   B  C
0  a  7
1  7  8
2  8  9

print (df[df.B.apply(lambda x: isinstance(x, str))])
   B  C
0  a  7

Answer 2

我也有同样的想法，不知道有没有更好的方法，但我目前的解决方法是搜索不是数字或句点的字符。这通常会出现问题。在某些情况下，多个时期可能会导致问题，但我发现这种情况很少见。

import pandas as pd
import re

non_numeric = re.compile(r'[^\d.]+')

df = pd.DataFrame({'a': [3,2,'NA']})
df.loc[df['a'].str.contains(non_numeric)]

pandas.to_numeric - 找出无法解析的字符串

pandas.to_numeric - find out which string it was unable to parse

python

pandas

data-science

data-cleaning