pandas.to_numeric() — это одна из основных функций в Pandas, которая используется для преобразования аргумента в числовой тип.
Синтаксис: pandas.to_numeric (arg, errors = `raise`, downcast = None)
Параметры:
arg : список, кортеж, одномерный массив или серия
ошибки: {`игнорировать`, `поднять`, `принудить`}, по умолчанию `поднять`
< сильный>- > Если `raise`, неверный синтаксический анализ вызовет исключение
- > Если «принудить», то недопустимый синтаксический анализ будет установлен как NaN
- > Если «игнорировать», то неверный синтаксический анализ вернет входной
пониженный вид: [по умолчанию None] Если не None, и если данные были успешно приведены к числовому типу dtype, результирующие данные будут преобразованы в наименьший числовой тип dtype. возможно по следующим правилам:
- > `целое число` или `со знаком`: наименьшее целое число со знаком dtype (мин.: np.int8)
- > `unsigned`: наименьший целочисленный тип без знака (мин.: np.uint8)
- > `float`: наименьший dtype с плавающей запятой (мин.: np.float32)Возвращает: числовое значение, если синтаксический анализ завершился успешно. Обратите внимание, что тип возвращаемого значения зависит от ввода. Series, если Series, иначе ndarray.
Код № 1:
Сначала просмотрите этот набор данных. Мы будем использовать столбец «Числа» этих данных, чтобы создать ряд, а затем выполнить операцию.
|
Вызовите конструктор Series в столбце Number, а затем выберите первые 10 строк.
Вывод: Использование метода pd.to_numeric(). Обратите внимание, что при использовании downcast = ' Подписано ' все значения ‚Äã‚Äãбудут преобразованы в целое число.
Вывод: Код № 2: Использование ошибок = "игнорировать". Он будет игнорировать все нечисловые значения.
Вывод: Код № 3: Использование ошибок = ' принуждение'. Он заменит все нечисловые значения ‚Äã‚Äãна NaN. |
