python - to_numeric - to float pandas

¿Cuándo aplicar(pd.to_numeric) y cuándo astype(np.float64) en python?

Question

Tengo un objeto DataFrame de pandas llamado xiv que tiene una columna de int64 volumen int64 .

In[]: xiv[''Volume''].head(5)
Out[]: 

0    252000
1    484000
2     62000
3    168000
4    232000
Name: Volume, dtype: int64

He leído otros mensajes (como this y this ) que sugieren las siguientes soluciones. Pero cuando uso cualquiera de los dos enfoques, no parece cambiar el dtype de datos subyacentes:

In[]: xiv[''Volume''] = pd.to_numeric(xiv[''Volume''])

In[]: xiv[''Volume''].dtypes
Out[]: 
dtype(''int64'')

O...

In[]: xiv[''Volume''] = pd.to_numeric(xiv[''Volume''])
Out[]: ###omitted for brevity###

In[]: xiv[''Volume''].dtypes
Out[]: 
dtype(''int64'')

In[]: xiv[''Volume''] = xiv[''Volume''].apply(pd.to_numeric)

In[]: xiv[''Volume''].dtypes
Out[]: 
dtype(''int64'')

También he intentado hacer una Series pandas por separado y usar los métodos mencionados anteriormente en esa serie y reasignar al objeto x[''Volume''] , que es un objeto pandas.core.series.Series .

Sin embargo, he encontrado una solución a este problema utilizando el tipo numpy paquete float64 . Esto funciona, pero no sé por qué es diferente .

In[]: xiv[''Volume''] = xiv[''Volume''].astype(np.float64)

In[]: xiv[''Volume''].dtypes
Out[]: 
dtype(''float64'') 

¿Puede alguien explicar cómo lograr con la biblioteca pandas lo que la biblioteca numpy parece hacer fácilmente con su clase float64 ? es decir, convierta la columna en el marco de datos xiv a un float64 en su lugar.

Answer 1

Si ya tiene dtypes numéricos ( int8|16|32|64 , float64 , boolean ), puede convertirlo a otro dtype "numérico" usando el método .astype() .

Manifestación:

In [90]: df = pd.DataFrame(np.random.randint(10**5,10**7,(5,3)),columns=list(''abc''), dtype=np.int64)

In [91]: df
Out[91]:
         a        b        c
0  9059440  9590567  2076918
1  5861102  4566089  1947323
2  6636568   162770  2487991
3  6794572  5236903  5628779
4   470121  4044395  4546794

In [92]: df.dtypes
Out[92]:
a    int64
b    int64
c    int64
dtype: object

In [93]: df[''a''] = df[''a''].astype(float)

In [94]: df.dtypes
Out[94]:
a    float64
b      int64
c      int64
dtype: object

No funcionará para los tipos de object (cadena), que no se pueden convertir a números:

In [95]: df.loc[1, ''b''] = ''XXXXXX''

In [96]: df
Out[96]:
           a        b        c
0  9059440.0  9590567  2076918
1  5861102.0   XXXXXX  1947323
2  6636568.0   162770  2487991
3  6794572.0  5236903  5628779
4   470121.0  4044395  4546794

In [97]: df.dtypes
Out[97]:
a    float64
b     object
c      int64
dtype: object

In [98]: df[''b''].astype(float)
...
skipped
...
ValueError: could not convert string to float: ''XXXXXX''

Así que aquí queremos usar el método pd.to_numeric() :

In [99]: df[''b''] = pd.to_numeric(df[''b''], errors=''coerce'')

In [100]: df
Out[100]:
           a          b        c
0  9059440.0  9590567.0  2076918
1  5861102.0        NaN  1947323
2  6636568.0   162770.0  2487991
3  6794572.0  5236903.0  5628779
4   470121.0  4044395.0  4546794

In [101]: df.dtypes
Out[101]:
a    float64
b    float64
c      int64
dtype: object