Функция to_numeric

Функция to_numeric применяется к данным различных типов и преобразует их в числовой формат. Первым параметром передаются данные для преобразования, вторым можно указать способ обработки ошибок при помощи параметра errors. Если параметр не указан, функция пытается преобразовать все значения и вызывает ошибку при невозможности преобразования.

Синтаксис

pd.to_numeric(data, errors='raise', downcast=None)

Пример

Давайте преобразуем серию строковых значений в числа:

import pandas as pd

ser = pd.Series(['1', '2', '3', '4', '5'])
res = pd.to_numeric(ser)
print(res)

Результат выполнения кода:

0	1
1	2
2	3
3	4
4	5
dtype: int64

Пример

Давайте преобразуем серию с числами в формате строки:

import pandas as pd

ser = pd.Series(['10.5', '20.7', '30.2'])
res = pd.to_numeric(ser)
print(res)

Результат выполнения кода:

0	10.5
1	20.7
2	30.2
dtype: float64

Пример

Давайте преобразуем список с данными разных типов:

import pandas as pd

data = ['1', 2, '3.5', 4]
res = pd.to_numeric(data)
print(res)

Результат выполнения кода:

[1. 2. 3.5 4. ]

Пример

Давайте укажем параметр errors со значением coerce, чтобы преобразовать невозможные значения в NaN:

import pandas as pd

ser = pd.Series(['1', '2', 'abc', '4', '5'])
res = pd.to_numeric(ser, errors='coerce')
print(res)

Результат выполнения кода:

0	1.0
1	2.0
2	NaN
3	4.0
4	5.0
dtype: float64

Пример

Давайте укажем параметр errors со значением ignore, чтобы оставить невозможные значения без изменений:

import pandas as pd

ser = pd.Series(['1', '2', 'abc', '4', '5'])
res = pd.to_numeric(ser, errors='ignore')
print(res)

Результат выполнения кода:

0	  1
1	  2
2	abc
3	  4
4	  5
dtype: object

Пример

Давайте применим параметр downcast для уменьшения размера данных:

import pandas as pd

ser = pd.Series(['1', '2', '3', '4', '5'])
res = pd.to_numeric(ser, downcast='integer')
print(res)

Результат выполнения кода:

0	1
1	2
2	3
3	4
4	5
dtype: int8

Пример

Давайте применим downcast к числам с плавающей точкой:

import pandas as pd

ser = pd.Series(['1.5', '2.7', '3.2'])
res = pd.to_numeric(ser, downcast='float')
print(res)

Результат выполнения кода:

0	1.5
1	2.7
2	3.2
dtype: float32

Смотрите также

функция is_numeric_dtype,
которая проверяет, является ли тип данных числовым
функция is_integer_dtype,
которая проверяет, является ли тип данных целочисленным
функция is_float_dtype,
которая проверяет, является ли тип данных вещественным
атрибут display.precision,
который задаёт точность отображения чисел