pandas.to_numeric

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

Преобразовать аргумент в числовой тип.

Параметры:

arg : list, tuple, 1-d array, or Series errors : {‘ignore’, ‘raise’, ‘coerce’}, по умолчанию ‘raise’ Если ‘raise’, то при некорректном разборе будет возбуждено исключение Если ‘coerce’, то при некорректном разборе значение будет установлено как NaN Если ‘ignore’, то при некорректном разборе будет возвращено входное значение downcast : {‘integer’, ‘signed’, ‘unsigned’, ‘float’} , по умолчанию None Если не None, и если данные успешно преобразованы к числовому типу данных (или если данные изначально были числовыми), то эти данные будут понижены до наименьшего возможного числового типа данных в соответствии со следующими правилами: ‘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 понижения, будут отображены независимо от значения входного параметра ‘errors’. Кроме того, понижение типа 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, понижение типа данных для данных не будет выполнено. Введено в версии 0.19.0.

Возвращает:

ret : числовой тип, если разбор прошел успешно. Тип возвращаемого значения зависит от входных данных. Series, если входные данные Series, в противном случае ndarray

См. также

pandas.DataFrame.astype

Преобразование аргумента к указанному типу данных.

pandas.to_datetime

Преобразование аргумента в дату и время.

pandas.to_timedelta

Преобразование аргумента в интервал времени.

numpy.ndarray.astype

Преобразование массива NumPy к указанному типу.

Примеры

Взять отдельные серии и преобразовать в числовой тип, выполняя приведение типов 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