pandas.to_numeric

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

Преобразование аргумента к числовому типу.

Параметры:

arg : список, кортеж, одномерный массив или Series errors : {‘ignore’, ‘raise’, ‘coerce’}, по умолчанию ‘raise’ Если ‘raise’, некорректное разбор вызовет исключение Если ‘coerce’, некорректное разбор будет приведено к NaN Если ‘ignore’, некорректное разбор вернёт входное значение downcast : {‘integer’, ‘signed’, ‘unsigned’, ‘float’} , по умолчанию None Если не None, и если данные были успешно преобразованы к числовому типу (или если данные изначально были числовыми), понизьте тип данных до наименьшего возможного числового типа в соответствии со следующими правилами: ‘integer’ или ‘signed’: наименьший тип данных со знаком int (мин.: np.int8) ‘unsigned’: наименьший тип данных без знака int (мин.: np.uint8) ‘float’: наименьший тип данных float (мин.: np.float32) Поскольку это поведение отделено от основного преобразования в числовые значения, любые ошибки, возникшие во время понижения типа данных, будут отображаться независимо от значения входного параметра ‘errors’. Кроме того, понижение типа данных произойдёт только в том случае, если размер типа данных результирующих данных строго больше, чем тип данных, к которому они должны быть преобразованы. Таким образом, если ни один из проверяемых типов данных не удовлетворяет этому условию, никаких понижений типов данных не будет произведено. Новое 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

См. также

pandas.DataFrame.astype

Преобразование аргумента к заданному типу данных.

pandas.to_datetime

Преобразование аргумента в дату и время.

pandas.to_timedelta

Преобразование аргумента в промежуток времени.

numpy.ndarray.astype

Преобразование массива numpy в указанный тип.

Примеры

Взять отдельные Series и преобразовать в числовые, с приведением к NaN, когда нужно

>>> 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