对于不能使用astype强制转换的值，请使用NaN [英] Use NaN for values that can't be cast using astype

问题描述

我有一个非常大的Pandas DataFrame，看起来像这样：

>>> d = pd.DataFrame({"a": ["1", "U", "3.4"]})
>>> d
     a
0    1
1    U
2  3.4

当前该列设置为object：

>>> d.dtypes
a    object
dtype: object

我想将此列转换为浮点型，以便我可以使用groupby()并计算平均值。当我尝试使用astype时，我正确地得到了一个错误，因为字符串不能强制转换为浮点型：

>>> d.a.astype(float)
ValueError: could not convert string to float: 'U'

我想做的是将所有元素强制转换为浮点型，然后替换不能被nans强制转换的元素。

如何执行此操作？

我尝试设置raise_on_error，但不起作用，dtype仍然object。

>>> d.a.astype(float, raise_on_error=False)
0      1
1      U
2    3.4
Name: a, dtype: object

推荐答案

使用to_numeric并指定errors='coerce'强制将无法解析为数值的字符串转换为NaN：

>>> pd.to_numeric(d['a'], errors='coerce')
0    1.0
1    NaN
2    3.4
Name: a, dtype: float64

这篇关于对于不能使用astype强制转换的值，请使用NaN的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！