如何规范 pandas 数据帧中的 numeric/non-numeric 条目

Question

我想控制 pandas 数据框中的非数字条目。假设我有以下内容：

>>> df
   col_1  col_2  col_3
0   0.01    NaN    0.1
1    NaN    0.9    0.2
2   0.01    NaN    0.3
3   0.01    0.9    0.4

我可以采用如下的行均值，而 python 正确地跳过 NaN 值：

>>> df.mean(axis=1)
0    0.055000
1    0.550000
2    0.155000
3    0.436667
dtype: float64

太棒了！但现在假设我导入的 table 中的一个值是一个字符串

>>> df.iloc[0,1]="str1"
>>> df
   col_1 col_2  col_3
0   0.01  str1    0.1
1    NaN   0.9    0.2
2   0.01   NaN    0.3
3   0.01   0.9    0.4
>>> df.mean(axis=1)
0    0.055
1    0.200
2    0.155
3    0.205
dtype: float64

危险： 输出看似合理，但却是错误的，因为一旦我将位置 [0,1] 中的值更改为字符串，位置 [=16 中的值=] 和 [3,1] 从数字 0.9 变成了字符串 "0.9"，并且所有的字符串都从平均中省略了（我猜每一列必须是相同的类型？有可能是一个原因，但是男孩，这是危险的微妙。）

我现在要做的是强制数据框的所有条目恢复为数字类型。任何可以被强制转换成数字的东西都应该变成那个数字，而 任何不能被转换成数字的东西 应该变成 nan（不管它可能是什么字符串或类型）。

Pandas series 有一个函数 pandas.to_numeric 可以在其中设置 errors='coerce'，但不幸的是 df 的类似函数 (DataFrame.astype()) 不允许此选项。

是否有一个函数“使 dataFrame 的每个元素看起来像数字，并使其他所有元素 nan”？

Answer 1

我认为您可以在 apply 列的子集上使用 to_numeric。可能会有帮助。

Answer 2

您可以apply，默认情况下将对以下列执行：

df.apply(pd.to_numeric, errors='coerce').mean(1)

如何规范 pandas 数据帧中的 numeric/non-numeric 条目

how to regularize numeric/non-numeric entries in pandas dataframes

pandas

dataframe

numeric

coerce