Respostas:
NOTA:
pd.convert_objects
agora está obsoleto. Você deve usarpd.Series.astype(float)
oupd.to_numeric
conforme descrito em outras respostas.
Disponível em 0,11. Conversão de forças (ou conjunto para nan) Isso funcionará mesmo quando astype
falhará; também é série por série para que não converta, digamos, uma coluna completa
In [10]: df = DataFrame(dict(A = Series(['1.0','1']), B = Series(['1.0','foo'])))
In [11]: df
Out[11]:
A B
0 1.0 1.0
1 1 foo
In [12]: df.dtypes
Out[12]:
A object
B object
dtype: object
In [13]: df.convert_objects(convert_numeric=True)
Out[13]:
A B
0 1 1
1 1 NaN
In [14]: df.convert_objects(convert_numeric=True).dtypes
Out[14]:
A float64
B float64
dtype: object
df['ColumnName'] = df['ColumnName'].convert_objects(convert_numeric=True)
Você pode converter apenas uma única coluna.
Você pode tentar df.column_name = df.column_name.astype(float)
. Quanto aos NaN
valores, você precisa especificar como eles devem ser convertidos, mas você pode usar o .fillna
método para fazer isso.
Exemplo:
In [12]: df
Out[12]:
a b
0 0.1 0.2
1 NaN 0.3
2 0.4 0.5
In [13]: df.a.values
Out[13]: array(['0.1', nan, '0.4'], dtype=object)
In [14]: df.a = df.a.astype(float).fillna(0.0)
In [15]: df
Out[15]:
a b
0 0.1 0.2
1 0.0 0.3
2 0.4 0.5
In [16]: df.a.values
Out[16]: array([ 0.1, 0. , 0.4])
Em uma versão mais recente do pandas (0.17 e superior), você pode usar a função to_numeric . Ele permite que você converta todo o dataframe ou apenas colunas individuais. Também oferece a capacidade de selecionar como tratar coisas que não podem ser convertidas em valores numéricos:
import pandas as pd
s = pd.Series(['1.0', '2', -3])
pd.to_numeric(s)
s = pd.Series(['apple', '1.0', '2', -3])
pd.to_numeric(s, errors='ignore')
pd.to_numeric(s, errors='coerce')
pd.to_numeric
a a DataFrame
, pode-se usar df.apply(pd.to_numeric)
conforme explicado em detalhes nesta resposta .
df['MyColumnName'] = df['MyColumnName'].astype('float64')
ValueError: could not convert string to float: 'date'
você deve substituir strings vazias ('') por np.nan antes de converter para float. ie:
df['a']=df.a.replace('',np.nan).astype(float)
Aqui está um exemplo
GHI Temp Power Day_Type
2016-03-15 06:00:00 -7.99999952505459e-7 18.3 0 NaN
2016-03-15 06:01:00 -7.99999952505459e-7 18.2 0 NaN
2016-03-15 06:02:00 -7.99999952505459e-7 18.3 0 NaN
2016-03-15 06:03:00 -7.99999952505459e-7 18.3 0 NaN
2016-03-15 06:04:00 -7.99999952505459e-7 18.3 0 NaN
mas se forem todos valores de string ... como era no meu caso ... Converta as colunas desejadas em flutuantes:
df_inv_29['GHI'] = df_inv_29.GHI.astype(float)
df_inv_29['Temp'] = df_inv_29.Temp.astype(float)
df_inv_29['Power'] = df_inv_29.Power.astype(float)
Seu dataframe agora terá valores flutuantes :-)
convert_objects
. Está obsoleto. Useto_numeric
ou noastype
lugar