仅将数据框中的特定列转换为数字

Question

我目前有一个数据框，其中包含 n 个数字值列和三列日期时间和字符串值。我想将所有列（但三列除外）转换为数值，但不确定最佳方法是什么。下面是一个示例数据框（已简化）：

df2 = pd.DataFrame(np.array([[1, '5-4-2016', 10], [1,'5-5-2016', 5],[2, '5- 
4-2016', 10], [2, '5-5-2016', 7], [5, '5-4-2016', 8]]), columns= ['ID', 
'Date', 'Number'])

我尝试使用（如下）之类的东西但没有成功。

exclude = ['Date']
df = df.drop(exclude, 1).apply(pd.to_numeric, 
errors='coerce').combine_first(df)

预期输出：（本质上，字段 'ID' 和 'Number' 的数据类型更改为浮点数，而 'Date' 保持不变）

        ID     Date         Number 
 0      1.0    5-4-2016       10.0  
 1      1.0    5-5-2016       5.0   
 2      2.0    5-4-2016       10.0 
 3      2.0    5-5-2016       7.0
 4      5.0    5-4-2016       8.0

Answer 1

你试过 Series.astype() 了吗？

df['ID'] = df['ID'].astype(float)
df['Number'] = df['Number'].astype(float)

或除日期之外的所有列：

for col in [x for x in df.columns if x != 'Date']:
   df[col] = df[col].astype(float)

或

df[[x for x in df.columns if x != 'Date']].transform(lambda x: x.astype(float), axis=1)

Answer 2

如果您希望它变为浮动，您需要使用选项 downcast='float' 调用 to_numeric。否则，它将是 int。您还需要重新加入原始 df2

的 non-converted 列

df2[exclude].join(df2.drop(exclude, 1).apply(pd.to_numeric, downcast='float', errors='coerce'))

Out[1815]:
       Date   ID  Number
0  5-4-2016  1.0    10.0
1  5-5-2016  1.0     5.0
2  5-4-2016  2.0    10.0
3  5-5-2016  2.0     7.0
4  5-4-2016  5.0     8.0

仅将数据框中的特定列转换为数字

Converting only specific columns in dataframe to numeric

numeric

apply

number-formatting

dataframe

pandas