pandas.to_numeric#

pandas.to_numeric(arg, errors='raise', downcast=None, dtype_backend=<no_default>)[原始碼]#

將引數轉換為數值型別。

如果輸入已為數字 dtype，則將保留該 dtype。對於非數字輸入，預設返回 dtype 是 float64 或 int64，具體取決於提供的資料。使用 downcast 引數獲取其他 dtype。

請注意，如果傳入非常大的數字，可能會發生精度損失。由於 ndarray 的內部限制，如果傳入小於 -9223372036854775808 (np.iinfo(np.int64).min) 或大於 18446744073709551615 (np.iinfo(np.uint64).max) 的數字，它們很可能會被轉換為 float，以便儲存在 ndarray 中。這些警告同樣適用於 Series，因為 Series 在內部利用了 ndarray。

引數:

arg標量、列表、元組、一維陣列或 Series

要轉換的引數。

errors{‘raise’, ‘coerce’}, default ‘raise’

如果為“raise”，則無效解析將引發異常。
如果為“coerce”，則無效解析將設定為 NaN。

downcaststr，預設 None

可以是“integer”、“signed”、“unsigned”或“float”。如果不是 None，並且資料已成功轉換為數字 dtype（或資料本身就是數字），則根據以下規則將結果資料向下轉換為最小的數字 dtype。

“integer”或“signed”：最小的有符號整數 dtype（最小：np.int8）。
“unsigned”：最小的無符號整數 dtype（最小：np.uint8）。
“float”：最小的浮點數 dtype（最小：np.float32）。

由於此行為與核心轉換為數字值是分開的，因此在向下轉換過程中引發的任何錯誤都將顯示出來，而不管“errors”輸入的值如何。

此外，僅當結果資料的 dtype 大於要轉換為的 dtype 時，才會執行向下轉換。因此，如果檢查的 dtype 都不滿足此規範，則不會對資料執行向下轉換。

dtype_backend{‘numpy_nullable’, ‘pyarrow’}

應用於結果 DataFrame 的後端資料型別（仍處於實驗階段）。如果未指定，則預設行為是不使用可為空的資料型別。如果指定，行為如下：

"numpy_nullable"：返回可空 dtype 支援的物件。
"pyarrow"：返回帶有 pyarrow 支援的可空物件。

版本 2.0 中已新增。

返回:

ret: 如果解析成功，則為數字。返回型別取決於輸入。如果是 Series，則返回 Series；否則返回 ndarray。

引發:

ValueError: 如果輸入包含非數字值且 errors='raise'。
TypeError: 如果輸入不是列表狀、一維或可轉換為數字的標量，例如巢狀列表或不受支援的輸入型別（例如，dict）。

另請參閱

DataFrame.astype: 將引數強制轉換為指定的資料型別。
to_datetime: 將引數轉換為 datetime。
to_timedelta: 將引數轉換為 timedelta。
numpy.ndarray.astype: 將 numpy 陣列轉換為指定型別。
DataFrame.convert_dtypes: 轉換資料型別。

示例

接受單獨的 Series 並轉換為數字，根據指示進行強制轉換。

>>> 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="coerce")
0    NaN
1    1.0
2    2.0
3   -3.0
dtype: float64

支援可空整數和浮點數的向下轉換。

>>> s = pd.Series([1, 2, 3], dtype="Int64")
>>> pd.to_numeric(s, downcast="integer")
0    1
1    2
2    3
dtype: Int8
>>> s = pd.Series([1.0, 2.1, 3.0], dtype="Float64")
>>> pd.to_numeric(s, downcast="float")
0    1.0
1    2.1
2    3.0
dtype: Float32