pandas.to_numeric(arg,?errors='raise',?downcast=None) ? ? ? ??[source]

將參數轉換為數字類型。

默認返回dtype為float64或int64，?具體取決于提供的數據。使用downcast參數獲取其他dtype。

請注意，如果傳入非常大的數字，則可能會導致精度損失。由于ndarray的內部限制，如果數字小于-9223372036854775808(np.iinfo(np.int64).min)或大于18446744073709551615(np.iinfo(np.uint64).max)傳入，很有可能會將它們轉換為float以便將其存儲在ndarray中。這些警告類似地適用于?Series，因為它在內部利用ndarray。

參數：arg?：?scalar(標量)，list(列表)，

(tuple)元組，一維數組(1-d array)或Series

errors?：?{'ignore'，'raise'，'coerce'}，

默認為'raise'

如果為‘raise’，

則無效的解析將引發異常

如果為?‘coerce’，

則將無效解析設置為NaN

如果為?‘ignore’，

則無效的解析將返回輸入

downcast?：

{'integer'，'signed'，'unsigned'，'float'}，

默認為None

如果不是None(無)，并且數據已成功轉換為數字dtype

(或者數據是從數字開始的)，

則根據以下規則將結果數據轉換為可能的最小數字dtype：

'integer'或'signed'：

最小的有符號int dtype(最小值：np.int8)

'unsigned'：

最小的無符號int dtype(最小值：np.uint8)

'float'：

最小的float dtype(最小值：np.float32)

由于此行為與從核心轉換為數值的行為是分開的，

因此無論?‘errors’輸入的值如何，

向下轉換期間引發的任何錯誤都會浮出水面。

此外，僅當結果數據的dtype的大小，

嚴格大于要強制轉換為dtype的dtype時，

才會發生向下轉換，因此，

如果檢查的所有dtype都不滿足該規范，

則不會對該數據執行向下轉換。

0.19.0版中的新功能。

返回值：ret：?解析成功時為numeric(數字)。

返回類型取決于輸入。

如果為Series，

則為Series，否則為ndarray。

例子

采取單獨的系列并轉換為數字，當被告知時強制>>> s = pd.Series(['1.0', '2', -3])

>>> pd.to_numeric(s)

0 1.0

1 2.0

2 -3.0

dtype: float64

>>> pd.to_numeric(s, downcast='float')

0 1.0

1 2.0

2 -3.0

dtype: float32

>>> pd.to_numeric(s, downcast='signed')

0 1

1 2

2 -3

dtype: int8

>>> s = pd.Series(['apple', '1.0', '2', -3])

>>> pd.to_numeric(s, errors='ignore')

0 apple

1 1.0

2 2

3 -3

dtype: object

>>> pd.to_numeric(s, errors='coerce')

0 NaN

1 1.0

2 2.0

3 -3.0

dtype: float64

總結

以上是生活随笔為你收集整理的python numeric_Python pandas.to_numeric函数方法的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。