pandas.to_numeric

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

Преобразование аргумента в числовой тип.

Параметры:

arg : список, кортеж, одномерный массив или Series errors : {‘ignore’, ‘raise’, ‘coerce’}, по умолчанию ‘raise’ Если ‘raise’, некорректный разбор вызовет исключение Если ‘coerce’, некорректный разбор будет установлен как NaN Если ‘ignore’, некорректный разбор вернёт входные данные downcast : {‘integer’, ‘signed’, ‘unsigned’, ‘float’} , по умолчанию None Если не None и данные успешно преобразованы к числовому типу данных (или если данные изначально были числовыми), преобразует полученные данные к самому малому числовому типу данных, согласно следующим правилам: ‘integer’ или ‘signed’: наименьший знаковый целочисленный тип данных (мин.: np.int8) ‘unsigned’: наименьший беззнаковый целочисленный тип данных (мин.: np.uint8) ‘float’: наименьший тип данных с плавающей запятой (мин.: np.float32) Поскольку это поведение отделено от основного преобразования в числовые значения, любые ошибки, возникшие во время приведения к типу, будут отображены независимо от значения входного параметра ‘errors’. Кроме того, приведение к типу произойдёт только в том случае, если размер типа данных результата строго больше, чем тип данных, к которому он должен быть приведён. Таким образом, если ни один из проверенных типов данных не удовлетворяет этому требованию, приведение типов данных к меньшему типу не будет выполнено. Введено в версии 0.19.0.

Возвращает:

ret : числовое значение, если разбор прошёл успешно. Тип возвращаемого значения зависит от входных данных. Series, если вход — Series, в противном случае ndarray

Примеры

Взять отдельные серии и преобразовать в числовые, выполняя принудительное преобразование, когда это указано

>>> import pandas as pd
>>> 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