pandas.to_numeric

pandas.to_numeric(arg, errors='raise', downcast=None)

将参数转换为数字类型。

参数：

arg：list，tuple，1-d数组或Series

错误：{'ignore'，'raise'，'coerce'}，默认'raise'

• 如果'raise'，那么无效的解析将引发异常
• 如果'coerce'，那么无效的解析将被设置为NaN
• 如果'ignore'，那么无效的解析将返回输入

downcast：{'integer'，'signed'，'unsigned'，'float'}，默认值为None

如果不是无，并且如果数据已成功地转换为数字dtype（或如果数据是数字开始），则将结果数据向下转换为可能的最小数字dtype，根据以下规则：

• 'integer'或'signed'：最小signed int dtype（min。：np.int8）
• 'unsigned'：最小无符号整型dtype（min。：np.uint8）
• 'float'：最小float dtype（min。：np.float32）

由于这种行为与核心转换到数字值是分开的，所以在向下转换期间引发的任何错误都将被抛出，而不管“错误”输入的值。

此外，只有当结果数据的dtype的大小严格大于要转换的dtype的大小时，才会进行向下转换，因此如果所检查的dty都不满足该规范，则不会对数据执行向下转换。

版本0.19.0中的新功能。

返回：

ret：numeric如果解析成功。

返回类型取决于输入。系列如果系列，否则ndarray

例子

采取单独的系列，并转换为数字，胁迫时被告知

>>> import pandas as pd
>>> s = pd.Series(['1.0', '2', -3])
>>> pd.to_numeric(s)
0    1.0
1    2.0
2   -3.0
dtype: float64
>>> pd.to_numeric(s, downcast='float')
0    1.0
1    2.0
2   -3.0
dtype: float32
>>> pd.to_numeric(s, downcast='signed')
0    1
1    2
2   -3
dtype: int8
>>> s = pd.Series(['apple', '1.0', '2', -3])
>>> pd.to_numeric(s, errors='ignore')
0    apple
1      1.0
2        2
3       -3
dtype: object
>>> pd.to_numeric(s, errors='coerce')
0    NaN
1    1.0
2    2.0
3   -3.0
dtype: float64