如何在熊猫中将对象转换为 int 或 float

Question

在加载的 excel 文件上使用 df.info 方法后，我得到以下数据<class 'pandas.core.frame.DataFrame'>RangeIndex: 30000 entries, 1 to 30000Data columns (total 25 columns): #   Column      Non-Null Count  Dtype ---  ------      --------------  -----  0   Unnamed: 0  30000 non-null  object 1   X1          30000 non-null  object 2   X2          30000 non-null  object 3   X3          29669 non-null  object 4   X4          29677 non-null  object 5   X5          30000 non-null  object 6   X6          30000 non-null  object 7   X7          30000 non-null  object 8   X8          30000 non-null  object 9   X9          30000 non-null  object 10  X10         30000 non-null  object 11  X11         30000 non-null  object 12  X12         30000 non-null  object 13  X13         30000 non-null  object 14  X14         30000 non-null  object 15  X15         30000 non-null  object 16  X16         30000 non-null  object 17  X17         30000 non-null  object 18  X18         30000 non-null  object 19  X19         30000 non-null  object 20  X20         30000 non-null  object 21  X21         30000 non-null  object 22  X22         30000 non-null  object 23  X23         30000 non-null  object 24  Y           30000 non-null  objectdtypes: object(25)memory usage: 2.9+ MB我不知道为什么所有数据类型都是对象，尽管它们中的大多数都有数值 如何修复我的数据集的数据类型

Answer 1

让我们试试to_numeric

df = pd.DataFrame({'1':['1','2'],'2':['a','b']})

df = df.apply(pd.to_numeric,errors='ignore')

查看

df.info()

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 2 entries, 0 to 1

Data columns (total 2 columns):

 #   Column  Non-Null Count  Dtype 

---  ------  --------------  ----- 

 0   1       2 non-null      int64 

 1   2       2 non-null      object

dtypes: int64(1), object(1)

memory usage: 88.0+ bytes

Answer 2

尝试例如：

df['X1'] = df['X1'].astype(str).astype(int)

如果要格式化所有列，请尝试：

df = df.astype(int)

这是因为，当您导入.csv文件时，大部分列都被转换为对象。