本文介绍了对于不能使用astype强制转换的值，请使用NaN的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个非常大的Pandas DataFrame，看起来像这样：
>>> d = pd.DataFrame({"a": ["1", "U", "3.4"]})
>>> d
a
0 1
1 U
2 3.4
当前该列设置为object：
>>> d.dtypes
a object
dtype: object
我想将此列转换为浮点型，以便我可以使用groupby()并计算平均值。当我尝试使用astype时，我正确地得到了一个错误，因为字符串不能强制转换为浮点型：
>>> d.a.astype(float)
ValueError: could not convert string to float: 'U'
我想做的是将所有元素强制转换为浮点型，然后替换不能被nans强制转换的元素。
如何执行此操作？
我尝试设置raise_on_error，但不起作用，dtype仍然object。
>>> d.a.astype(float, raise_on_error=False)
0 1
1 U
2 3.4
Name: a, dtype: object
推荐答案
使用to_numeric并指定errors='coerce'强制将无法解析为数值的字符串转换为NaN：
>>> pd.to_numeric(d['a'], errors='coerce')
0 1.0
1 NaN
2 3.4
Name: a, dtype: float64
这篇关于对于不能使用astype强制转换的值，请使用NaN的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！