python - 在可能的情况下，将字符串转换为所有 pandas 列中的 float

Question

我从列表列表创建了一个 pandas 数据框

import pandas as pd

df_list = [["a", "1", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))
>>>   A  B    C
   0  a  1    2
   1  b  3  NaN

有没有办法将数据帧的所有列转换为可以转换的 float ，即 B 和 C？如果您知道，以下内容适用于要转换的列:

  df[["B", "C"]] = df[["B", "C"]].astype("float")

但是，如果您事先不知道哪些列包含数字，该怎么办？当我尝试时

  df = df.astype("float", errors = "ignore")

所有列仍然是字符串/对象。同样，

df[["B", "C"]] = df[["B", "C"]].apply(pd.to_numeric)

转换两列(尽管“B”是 int 并且“C”是“float”，因为存在 NaN 值)，但是

df = df.apply(pd.to_numeric)

显然会抛出一条错误消息，但我看不出有什么方法可以抑制它。
是否有可能在不循环遍历每一列的情况下执行此字符串- float 转换，以尝试 .astype("float", errors = "ignore")？

Answer 1

我想你需要参数 errors='ignore' in to_numeric :

df = df.apply(pd.to_numeric, errors='ignore')
print (df.dtypes)
A     object
B      int64
C    float64
dtype: object

如果不是混合值 - 数字与字符串，它工作得很好:

df_list = [["a", "t", "2"], ["b", "3", np.nan]]
df = pd.DataFrame(df_list, columns = list("ABC"))

df = df.apply(pd.to_numeric, errors='ignore')
print (df)
   A  B    C
0  a  t  2.0 <=added t to column B for mixed values
1  b  3  NaN

print (df.dtypes)
A     object
B     object
C    float64
dtype: object

编辑:

你也可以将 int 向下转换为 float:

df = df.apply(pd.to_numeric, errors='ignore', downcast='float')
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object

它等同于:

df = df.apply(lambda x: pd.to_numeric(x, errors='ignore', downcast='float'))
print (df.dtypes)
A     object
B    float32
C    float32
dtype: object