Python 将对象数据类型列转换为datafrane中的数字数据类型

试图回答这个问题时，我们遇到了与我的数据集不同的问题。当我将这个CSV文件导入dataframe时，每列都是对象类型，我们需要将仅仅是数字的列转换为实（数字）数据类型，而不是数字的列转换为字符串数据类型

有没有办法做到这一点

我尝试了下面文章中的代码，但没有成功

df = pd.DataFrame(a, columns=['col1','col2','col3'])

一如既往地感谢您的帮助

选项1
使用

pd.在
apply

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

选项2

在
df.values.ravel

cvrtd = pd.to_numeric(df.values.ravel(), errors='coerce').reshape(-1, len(df.columns))
pd.DataFrame(np.where(np.isnan(cvrtd), df.values, cvrtd), df.index, df.columns)


注意

这些并不完全相同。对于某些包含混合值的列，选项2可以进行转换，而选项2将该列中的所有内容都保留为对象。查看您的文件，我会选择选项1


定时

df = pd.read_csv('HistorianDataSample/HistorianDataSample.csv', skiprows=[1, 2])

当其他数字列中有逗号或其他非数字字符时，通常会自动将所有列转换为对象类型。您可以尝试类似于
df.replace（“，”，“”，regex=True）.astype（np.int64）
的方法来删除字符并将数据转换为一些数字type@Jeff如何将
pd.numeric
应用于整个数据帧？这就是我在这里要做的。此外，我可以先堆叠
df
，但每列可能不同。如果堆叠序列中的任何元素未转换，则
errors='ignore'
将停止转换。如果我使用
errors='concurve'
它将
nan
任何非数值的值。我只能考虑使用
apply
分别对每个列进行操作。它仍将为每个列进行矢量化。use.ravel（）和reshape@Jeff在这种情况下使用apply似乎仍然是一个更好的选择。@SebMa
apply
将
pd.to\u numeric
应用于数据帧的每一列。当您将数据帧传递给函数
pd.to\u numeric（df）
时，它不知道该做什么。在上面的例子中，我使用
ravel
强制数据帧是一维的，然后将结果重塑回与
df
相同的维度。关键是，
pd.\u数字（my\u数据帧）
预计不起作用
pd.to_numeric
将处理一维事物的单态值<代码>局部放电到数字（局部放电系列（['1'，'2']）

，

局部放电到数字（'3'）

两者都起作用。但是

pd.to_numeric（['1'，'2'，['3'，'4']]）

没有。@SebMa，杰夫就是那个人！我怀疑他没有注意到我是在列的数据框架上应用的，他认为我是在系列的元素上应用的。对于一个系列，

pd.series（['1'，'2']）.apply（pd.to_numeric）

绝对是愚蠢的。在这个特定的例子中，当我们应用时，它以向量化的方式在每一列上使用。如果我们有100或1000列，结果会有所不同。