web-dev-qa-db-fra.com

Quand appliquer (pd.to_numeric) et quand astyper (np.float64) en python?

J'ai un objet pandas DataFrame nommé xiv qui contient une colonne de int64 Mesures de volume.

In[]: xiv['Volume'].head(5)
Out[]: 

0    252000
1    484000
2     62000
3    168000
4    232000
Name: Volume, dtype: int64

J'ai lu d'autres articles (comme this et this ) qui suggèrent les solutions suivantes. Mais lorsque j'utilise l'une ou l'autre approche, cela ne semble pas changer le dtype des données sous-jacentes:

In[]: xiv['Volume'] = pd.to_numeric(xiv['Volume'])

In[]: xiv['Volume'].dtypes
Out[]: 
dtype('int64')

Ou...

In[]: xiv['Volume'] = pd.to_numeric(xiv['Volume'])
Out[]: ###omitted for brevity###

In[]: xiv['Volume'].dtypes
Out[]: 
dtype('int64')

In[]: xiv['Volume'] = xiv['Volume'].apply(pd.to_numeric)

In[]: xiv['Volume'].dtypes
Out[]: 
dtype('int64')

J'ai également essayé de créer un pandas Series séparé] et d'utiliser les méthodes énumérées ci-dessus pour cette série et de réaffecter à l'obect x['Volume'], Qui est un pandas.core.series.Series Objet.

J'ai cependant trouvé une solution à ce problème en utilisant le type float64 Du package numpy - cela fonctionne mais je ne sais pas pourquoi. c'est différent.

In[]: xiv['Volume'] = xiv['Volume'].astype(np.float64)

In[]: xiv['Volume'].dtypes
Out[]: 
dtype('float64') 

Quelqu'un peut-il expliquer comment accomplir avec la bibliothèque pandas ce que la bibliothèque numpy semble faire facilement avec sa classe float64; c'est-à-dire, convertissez la colonne du xiv DataFrame en un float64 à la place.

29
d8aninja

Si vous avez déjà des types numériques (int8|16|32|64, float64, boolean) vous pouvez le convertir en un autre type "numérique" en utilisant Pandas . astype () = méthode.

Démo:

In [90]: df = pd.DataFrame(np.random.randint(10**5,10**7,(5,3)),columns=list('abc'), dtype=np.int64)

In [91]: df
Out[91]:
         a        b        c
0  9059440  9590567  2076918
1  5861102  4566089  1947323
2  6636568   162770  2487991
3  6794572  5236903  5628779
4   470121  4044395  4546794

In [92]: df.dtypes
Out[92]:
a    int64
b    int64
c    int64
dtype: object

In [93]: df['a'] = df['a'].astype(float)

In [94]: df.dtypes
Out[94]:
a    float64
b      int64
c      int64
dtype: object

Cela ne fonctionnera pas pour object (chaîne) dtypes, cela ne peut pas être converti en nombres:

In [95]: df.loc[1, 'b'] = 'XXXXXX'

In [96]: df
Out[96]:
           a        b        c
0  9059440.0  9590567  2076918
1  5861102.0   XXXXXX  1947323
2  6636568.0   162770  2487991
3  6794572.0  5236903  5628779
4   470121.0  4044395  4546794

In [97]: df.dtypes
Out[97]:
a    float64
b     object
c      int64
dtype: object

In [98]: df['b'].astype(float)
...
skipped
...
ValueError: could not convert string to float: 'XXXXXX'

Nous voulons donc utiliser la méthode pd.to_numeric () :

In [99]: df['b'] = pd.to_numeric(df['b'], errors='coerce')

In [100]: df
Out[100]:
           a          b        c
0  9059440.0  9590567.0  2076918
1  5861102.0        NaN  1947323
2  6636568.0   162770.0  2487991
3  6794572.0  5236903.0  5628779
4   470121.0  4044395.0  4546794

In [101]: df.dtypes
Out[101]:
a    float64
b    float64
c      int64
dtype: object
32
MaxU

Je n'ai pas d'explication technique pour cela, mais j'ai remarqué que pd.to_numeric () soulève l'erreur suivante lors de la conversion de la chaîne 'nan':

In [10]: df = pd.DataFrame({'value': 'nan'}, index=[0])

In [11]: pd.to_numeric(df.value)

Traceback (most recent call last):

  File "<ipython-input-11-98729d13e45c>", line 1, in <module>
    pd.to_numeric(df.value)

  File "C:\Users\joshua.lee\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\tools\numeric.py", line 133, in to_numeric
    coerce_numeric=coerce_numeric)

  File "pandas/_libs/src\inference.pyx", line 1185, in pandas._libs.lib.maybe_convert_numeric

ValueError: Unable to parse string "nan" at position 0

alors que astype (float) ne:

df.value.astype(float)
Out[12]: 
0   NaN
Name: value, dtype: float64
1
reevesnmortimer

Vous pouvez utiliser ceci:

pd.to_numeric(df.valueerrors='coerce').fillna(0, downcast='infer')  

Il utilisera zéro à la place de nan.

0
Mohd Waseem