Pandy: Konwersja do numerycznego, tworząc Nans gdy konieczne

Question

że mam kolumny w dataframe że ma kilka numerów i pewne numery

>> df['foo'] 
0  0.0 
1  103.8 
2  751.1 
3  0.0 
4  0.0 
5   - 
6   - 
7  0.0 
8   - 
9  0.0 
Name: foo, Length: 9, dtype: object 

Jak mogę przekonwertować tę kolumnę do np.float, i wszystko inne który nie jest zmiennoprzecinkowy, przekształcić go w NaN?

Kiedy próbuję:

>> df['foo'].astype(np.float) 

lub

>> df['foo'].apply(np.float) 

uzyskać ValueError: could not convert string to float: -

Answer 1

W pand 0.17.0convert_objects podnieść ostrzeżenie:

FutureWarning: convert_objects jest nieaktualna. Użyj specyficznych konwerterów danych typu: pd.to_datetime, pd.to_timedelta i pd.to_numeric.

Można użyć metody pd.to_numeric i zastosować ją do ramki danych z arg coerce.

df1 = df.apply(pd.to_numeric, args=('coerce',)) 

lub może być w bardziej odpowiedni sposób:

df1 = df.apply(pd.to_numeric, errors='coerce') 

EDIT

Metoda ta obowiązuje tylko dla pand wersji> = 0.17.0 z docs what's new in pandas 0.17.0:

pd .to_numeric to nowa funkcja wymuszająca ciągi na liczbach (poz sibly z przymusu) (GH11133)

Answer 2

najpierw wymienić wszystkie wartości ciągów z None, aby oznaczyć je jako brakujących wartości, a następnie przekształcić go pływak.

df['foo'][df['foo'] == '-'] = None 
df['foo'] = df['foo'].astype(float) 

Answer 3

Użyj metody convert_objects Series (i convert_numeric):

In [11]: s 
Out[11]: 
0 103.8 
1 751.1 
2  0.0 
3  0.0 
4  - 
5  - 
6  0.0 
7  - 
8  0.0 
dtype: object 

In [12]: s.convert_objects(convert_numeric=True) 
Out[12]: 
0 103.8 
1 751.1 
2  0.0 
3  0.0 
4  NaN 
5  NaN 
6  0.0 
7  NaN 
8  0.0 
dtype: float64 

Uwaga: to jest również dostępny jako metoda DataFrame.

Answer 4

można po prostu użyć pd.to_numeric i ustawienie błędu do coerce bez użycia apply

df['foo'] = pd.to_numeric(df['foo'], errors='coerce')