如何获取引发错误的pandas列的行号[重复]
原文标题 :How to get the row number of pandas column where error is raised [duplicate]
我想将表示为列表列表的表转换为 pandas DataFrame。作为一个极其简化的示例:
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a)
将列转换为适当类型的最佳方法是什么,在这种情况下,第 2 列和第 3 列转换为浮点数?有没有办法在转换为 DataFrame 时指定类型?还是先创建 DataFrame 然后遍历列以更改每列的类型更好?理想情况下,我想以动态方式执行此操作,因为可能有数百列,我不想准确指定哪些列属于哪种类型。我只能保证每一列都包含相同类型的值。
回复
我来回复-
Alex Riley 评论
该回答已被采纳!
在 pandas 中转换类型有四个主要选项:
- to_numeric() – provides functionality to safely convert non-numeric types (e.g. strings) to a suitable numeric type. (See also to_datetime() and to_timedelta() .)
- astype() – 将(几乎)任何类型转换为(几乎)任何其他类型(即使这样做不一定明智)。还允许您转换为分类类型(非常有用)。
- infer_objects() – a utility method to convert object columns holding Python objects to a pandas type if possible.
- convert_dtypes() – convert DataFrame columns to the “best possible” dtype that supports pd.NA (pandas’ object to indicate a missing value).
请继续阅读以获取每种方法的更详细说明和用法。
1.
to_numeric()
将 DataFrame 的一列或多列转换为数值的最佳方法是使用
pandas.to_numeric()
。此函数将尝试将非数字对象(例如字符串)更改为适当的整数或浮点数。
基本用法
to_numeric()
的输入是一个Series或DataFrame的单列。>>> s = pd.Series(["8", 6, "7.5", 3, "0.9"]) # mixed string and numeric values >>> s 0 8 1 6 2 7.5 3 3 4 0.9 dtype: object >>> pd.to_numeric(s) # convert everything to float values 0 8.0 1 6.0 2 7.5 3 3.0 4 0.9 dtype: float64
如您所见,返回了一个新系列。请记住将此输出分配给变量或列名以继续使用它:
# convert Series my_series = pd.to_numeric(my_series) # convert column "a" of a DataFrame df["a"] = pd.to_numeric(df["a"])
您还可以通过
apply()
方法使用它来转换 DataFrame 的多个列:# convert all columns of DataFrame df = df.apply(pd.to_numeric) # convert all columns of DataFrame # convert just columns "a" and "b" df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)
只要您的值都可以转换,这可能就是您所需要的。
错误处理
但是如果某些值不能转换为数字类型怎么办?
to_numeric()
还接受一个errors
关键字参数,允许您强制非数字值是NaN
,或者简单地忽略包含这些值的列。这是一个使用一系列字符串
s
的示例,它具有对象 dtype:>>> s = pd.Series(['1', '2', '4.7', 'pandas', '10']) >>> s 0 1 1 2 2 4.7 3 pandas 4 10 dtype: object
如果无法转换值,默认行为是引发。在这种情况下,它无法处理字符串“pandas”:
>>> pd.to_numeric(s) # or pd.to_numeric(s, errors='raise') ValueError: Unable to parse string
我们可能希望“熊猫”被视为缺失/错误的数值,而不是失败。我们可以使用
errors
关键字参数将无效值强制为NaN
,如下所示:>>> pd.to_numeric(s, errors='coerce') 0 1.0 1 2.0 2 4.7 3 NaN 4 10.0 dtype: float64
errors
的第三个选项只是在遇到无效值时忽略该操作:>>> pd.to_numeric(s, errors='ignore') # the original Series is returned untouched
最后一个选项对于转换整个 DataFrame 特别有用,但不知道我们的哪些列可以可靠地转换为数字类型。在这种情况下,只需编写:
df.apply(pd.to_numeric, errors='ignore')
该函数将应用于DataFrame的每一列。可以转换为数字类型的列将被转换,而不能转换为数字类型的列(例如,它们包含非数字字符串或日期)将被单独保留。
垂头丧气
默认情况下,使用
to_numeric()
的转换将为您提供int64
或float64
dtype(或您的平台本机的任何整数宽度)。这通常是你想要的,但如果你想节省一些内存并使用更紧凑的 dtype,比如
float32
或int8
,该怎么办?to_numeric()
让您可以选择向下转换为'integer'
、'signed'
、'unsigned'
、'float'
。这是一个简单系列s
整数类型的示例:>>> s = pd.Series([1, 2, -7]) >>> s 0 1 1 2 2 -7 dtype: int64
向下转换为
'integer'
使用可以容纳这些值的最小可能整数:>>> pd.to_numeric(s, downcast='integer') 0 1 1 2 2 -7 dtype: int8
向下转换为
'float'
类似地选择比正常浮动类型更小的:>>> pd.to_numeric(s, downcast='float') 0 1.0 1 2.0 2 -7.0 dtype: float32
2.
astype()
astype()
方法使您能够明确说明您希望 DataFrame 或 Series 具有的 dtype。它非常通用,您可以尝试从一种类型转换为任何其他类型。基本用法
只需选择一种类型:您可以使用 NumPy dtype(例如
np.int16
)、一些 Python 类型(例如 bool)或 pandas 特定类型(例如 categorical dtype)。调用要转换的对象的方法,
astype()
将尝试为您转换:# convert all DataFrame columns to the int64 dtype df = df.astype(int) # convert column "a" to int64 dtype and "b" to complex type df = df.astype({"a": int, "b": complex}) # convert Series to float16 type s = s.astype(np.float16) # convert Series to Python strings s = s.astype(str) # convert Series to categorical type - see docs for more details s = s.astype('category')
注意我说的是“尝试”——如果
astype()
不知道如何转换 Series 或 DataFrame 中的值,则会引发错误。例如,如果您有一个NaN
或inf
值,您将在尝试将其转换为整数时遇到错误。从 pandas 0.20.0 开始,可以通过传递
errors='ignore'
来抑制此错误。您的原始对象将原封不动地返回。当心
astype()
功能强大,但有时会“错误地”转换值。例如:>>> s = pd.Series([1, 2, -7]) >>> s 0 1 1 2 2 -7 dtype: int64
这些都是小整数,那么如何转换为无符号 8 位类型以节省内存?
>>> s.astype(np.uint8) 0 1 1 2 2 249 dtype: uint8
转换成功了,但 -7 被环绕成 249(即 28- 7)!
尝试使用
pd.to_numeric(s, downcast='unsigned')
向下转换可以帮助防止此错误。
3.
infer_objects()
pandas 0.21.0 版引入了方法
infer_objects()
,用于将具有对象数据类型的 DataFrame 的列转换为更具体的类型(软转换)。例如,这是一个包含两列对象类型的 DataFrame。一个保存实际整数,另一个保存表示整数的字符串:
>>> df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object') >>> df.dtypes a object b object dtype: object
使用
infer_objects()
,您可以将列 ‘a’ 的类型更改为 int64:>>> df = df.infer_objects() >>> df.dtypes a int64 b object dtype: object
列 ‘b’ 被单独留下,因为它的值是字符串,而不是整数。如果你想强制两列都为整数类型,你可以使用
df.astype(int)
来代替。
4.
convert_dtypes()
1.0 及更高版本包括一个方法
convert_dtypes()
将Series和DataFrame列转换为支持pd.NA
缺失值的最佳dtype。这里“最好的”是指最适合保存这些值的类型。例如,这是一个pandas整数类型,如果所有的值都是整数(或缺失值):Python整数对象的对象列转换为
Int64
,NumPyint32
值的列将成为pandas dtypeInt32
。使用我们的
object
DataFramedf
,我们得到以下结果:>>> df.convert_dtypes().dtypes a Int64 b string dtype: object
由于列’a’保存整数值,它被转换为
Int64
类型(它能够保存缺失值,不像int64
)。‘b’ 列包含字符串对象,因此更改为 pandas’
string
dtype。默认情况下,此方法将根据每列中的对象值推断类型。我们可以通过传递
infer_objects=False
来改变它:>>> df.convert_dtypes(infer_objects=False).dtypes a object b string dtype: object
现在列“a”仍然是一个对象列:pandas 知道它可以被描述为一个“整数”列(在内部它运行
infer_dtype
),但没有准确推断出它应该具有的整数 dtype,因此没有转换它。列 ‘b’ 再次转换为 ‘string’ dtype,因为它被识别为保存 ‘string’ 值。2年前 -
hernamesbarbara 评论
这个怎么样?
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']] df = pd.DataFrame(a, columns=['one', 'two', 'three']) df Out[16]: one two three 0 a 1.2 4.2 1 b 70 0.03 2 x 5 0 df.dtypes Out[17]: one object two object three object df[['two', 'three']] = df[['two', 'three']].astype(float) df.dtypes Out[19]: one object two float64 three float64
2年前 -
Akash Nayak 评论
下面的代码将更改列的数据类型。
df[['col.name1', 'col.name2'...]] = df[['col.name1', 'col.name2'..]].astype('data_type')
代替数据类型,您可以提供数据类型。您想要什么,例如 str、float、int 等。
2年前 -
Thom Ives 评论
当我只需要指定特定列并且想要明确时,我使用了(perDOCS LOCATION):
dataframe = dataframe.astype({'col_name_1':'int','col_name_2':'float64', etc. ...})
因此,使用原始问题,但为其提供列名……
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']] df = pd.DataFrame(a, columns=['col_name_1', 'col_name_2', 'col_name_3']) df = df.astype({'col_name_2':'float64', 'col_name_3':'float64'})
2年前 -
Harry Stevens 评论
这是一个函数,它接受一个 DataFrame 和一个列列表作为其参数,并将列中的所有数据强制转换为数字。
# df is the DataFrame, and column_list is a list of columns as strings (e.g ["col1","col2","col3"]) # dependencies: pandas def coerce_df_columns_to_numeric(df, column_list): df[column_list] = df[column_list].apply(pd.to_numeric, errors='coerce')
因此,对于您的示例:
import pandas as pd def coerce_df_columns_to_numeric(df, column_list): df[column_list] = df[column_list].apply(pd.to_numeric, errors='coerce') a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']] df = pd.DataFrame(a, columns=['col1','col2','col3']) coerce_df_columns_to_numeric(df, ['col2','col3'])
2年前 -
cs95 评论
熊猫 >= 1.0
这是一张图表,总结了 pandas 中一些最重要的转换。
到字符串的转换是微不足道的
.astype(str)
并且没有显示在图中。“硬”与“软”转换
请注意,此上下文中的“转换”既可以指将文本数据转换为其实际数据类型(硬转换),也可以为对象列中的数据推断出更合适的数据类型(软转换)。为了说明差异,请看一下
df = pd.DataFrame({'a': ['1', '2', '3'], 'b': [4, 5, 6]}, dtype=object) df.dtypes a object b object dtype: object # Actually converts string to numeric - hard conversion df.apply(pd.to_numeric).dtypes a int64 b int64 dtype: object # Infers better data types for object data - soft conversion df.infer_objects().dtypes a object # no change b int64 dtype: object # Same as infer_objects, but converts to equivalent ExtensionType df.convert_dtypes().dtypes
2年前 -
MikeyE 评论
如何创建两个数据框,每个数据框的列具有不同的数据类型,然后将它们附加在一起?
d1 = pd.DataFrame(columns=[ 'float_column' ], dtype=float) d1 = d1.append(pd.DataFrame(columns=[ 'string_column' ], dtype=str))
结果
In[8}: d1.dtypes Out[8]: float_column float64 string_column object dtype: object
创建数据框后,您可以在第一列中使用浮点变量填充它,在第二列中使用字符串(或您想要的任何数据类型)填充它。
2年前 -
Mustapha Babatunde 评论
df.info() gives us initial datatype of temp which is float64
# Column Non-Null Count Dtype --- ------ -------------- ----- 0 date 132 non-null object 1 temp 132 non-null float64
现在,使用此代码将数据类型更改为 int64:
df['temp'] = df['temp'].astype('int64')
如果您再次执行 df.info(),您将看到:
# Column Non-Null Count Dtype --- ------ -------------- ----- 0 date 132 non-null object 1 temp 132 non-null int64
这表明您已成功更改列 temp 的数据类型。快乐编码!
2年前