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 преобразован в NaN Если ‘ignore’, некорректный разбор вернёт исходное значение downcast : {‘integer’, ‘signed’, ‘unsigned’, ‘float’} , по умолчанию None Если не None и данные были успешно преобразованы в числовой тип (или данные изначально были числовыми), то результат будет преобразован к наименьшему возможному числовому типу по следующим правилам: ‘integer’ или ‘signed’: наименьший знаковый целочисленный тип (мин.: np.int8) ‘unsigned’: наименьший беззнаковый целочисленный тип (мин.: np.uint8) ‘float’: наименьший тип с плавающей точкой (мин.: np.float32) Поскольку это поведение отделено от основного преобразования в числовые значения, любые ошибки, возникшие во время приведения типов, будут отображены независимо от значения входного параметра ‘errors’. Кроме того, приведение типов произойдёт только в том случае, если размер типа результирующих данных строго больше, чем тип, к которому необходимо привести. Если ни один из проверенных типов не удовлетворяет этому условию, приведение типов данных не будет выполнено. Добавлена в версии 0.19.0.

Возвращает:

ret : числовой тип, 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 в указанный тип.

pandas.to_datetime

Преобразование аргумента в дату и время.

pandas.to_timedelta

Преобразование аргумента в временной интервал.

numpy.ndarray.astype

Преобразование массива NumPy в указанный тип.

Примеры

Возьмите отдельные Series и преобразуйте в числовой тип, принудительно преобразуя при необходимости

>>> 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