python - Pandas:转换为数字，必要时创建 NaN

Question

假设我在数据框中有一列包含一些数字和一些非数字

>> df['foo']
0       0.0
1     103.8
2     751.1
3       0.0
4       0.0
5         -
6         -
7       0.0
8         -
9       0.0
Name: foo, Length: 9, dtype: object

如何将此列转换为 np.float，并让其他所有非 float 转换为 NaN？

当我尝试时:

>> df['foo'].astype(np.float)

或

>> df['foo'].apply(np.float)

我得到 ValueError: could not convert string to float: -

Answer 1

在 Pandas 中 0.17.0 convert_objects引发警告:

FutureWarning: convert_objects is deprecated. Use the data-type specific converters pd.to_datetime, pd.to_timedelta and pd.to_numeric.

您可以使用 pd.to_numeric方法并将其应用于带有 arg coerce.

的数据帧

df1 = df.apply(pd.to_numeric, args=('coerce',))

或许更恰当:

df1 = df.apply(pd.to_numeric, errors='coerce')

编辑

上述方法只对pandas版本>= 0.17.0有效，来自docs what's new in pandas 0.17.0 :

pd.to_numeric is a new function to coerce strings to numbers (possibly with coercion) (GH11133)