如何规范熊猫数据框中的数字/非数字条目

问题描述

我想控制我的熊猫数据框中的非数字条目。 假设我有以下内容：

>>> df
   col_1  col_2  col_3
0   0.01    NaN    0.1
1    NaN    0.9    0.2
2   0.01    NaN    0.3
3   0.01    0.9    0.4

我可以按如下方式计算行均值，而 python 会正确跳过 NaN 值：

>>> df.mean(axis=1)
0    0.055000
1    0.550000
2    0.155000
3    0.436667
dtype: float64

太好了！但现在假设我导入的表中的一个值是一个字符串

>>> df.iloc[0,1]="str1"
>>> df
   col_1 col_2  col_3
0   0.01  str1    0.1
1    NaN   0.9    0.2
2   0.01   NaN    0.3
3   0.01   0.9    0.4
>>> df.mean(axis=1)
0    0.055
1    0.200
2    0.155
3    0.205
dtype: float64

危险：输出看起来似是而非，但这是错误的，因为一旦我将位置 [0,1] 中的值更改为字符串，位置 [1,1] 和 {{ 1}} 从数字 [3,1] 变成字符串 0.9，并且所有的字符串都从平均中省略（我猜每一列必须是相同的类型？这可能是有原因的，但是男孩，这是危险的微妙。）

我现在要做的是将数据框的所有条目强制恢复为数字类型。任何可以明智地强制转换为数字的东西都应该变成那个数字，而任何东西都应该变成 "0.9"（不管它可能是什么字符串或类型）。

Pandas series 有一个函数 nan，您可以在其中设置 pandas.to_numeric，但不幸的是 df 的类似函数 (errors='coerce') 不允许此选项.

是否有一个函数可以“使 dataFrame 的每个元素看起来像一个数字，并将其他所有元素设为 DataFrame.astype()”？

解决方法

我认为您可以在带有 to_numeric 的列子集上使用 apply。 This answer 可能会有所帮助。

,

您可以apply，默认情况下将在列上执行：

df.apply(pd.to_numeric,errors='coerce').mean(1)