Python 如何将pandas.dataframe中的元素转换为np.float，同时使用pandas.read_csv读取csv文件？

我有一个.csv文件，它是从软件导出的输出。这个.csv文件包含很多NAN。我需要通过将数据读入数据帧来分析数据，并使用

dataframe.fillna（0）

将所有的NAN替换为0。但是，当我使用

pandas.read\u csv（）

导入此.csv文件时，数据帧中的元素类型为“str”，因此无法使用

dataframe.fillna（0）

。所以我的问题是：如何在读取.csv文件时将元素转换为np.float

对于，有一个参数

dtype

，解释如下：

dtype : Type name or dict of column -> type, default None
Data type for data or columns. E.g. {‘a’: np.float64, ‘b’: np.int32} Use str 
or object to preserve and not interpret dtype. If converters are specified, 
they will be applied INSTEAD of dtype conversion.

有关于如何使用它的例子吗

多谢各位

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

更新：

以下是回答者提出的几种解决方案：

（1） 来自@Jakub。在

pandas.read\u csv（）

中设置

na\u values=NaN

，以便.csv文件中的所有元素在读入数据帧时都可以转换为

np.float

（2） 来自安德烈·安徒生。将.csv文件读取为数据帧后。使用

pandas.to_numeric

将数据帧的一列转换为

np.float

。使用for循环将所有列转换为数字

（3） 来自@thisguenconteen。使用

numpy.loadtxt

将.csv文件读入

numpy.ndarray

。使用

skiprows

参数跳过元素不相等的行。然后使用

numpy.nan\u to_num（）

将

nan

转换为零

---

希望，这将有助于以下读者

如果您有一个新版本，您也可以使用它：

df['mycol'] = pd.to_numeric(df['mycol'], errors='coerce')

下面是转换整个数据帧的技巧：

for col in df.columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

---

为什么不直接使用

numpy.loadtxt

？如果您想使用pandas，比如说，因为您有混合数据，并且您想要一个数字列作为numpy数组，那么您可以始终使用

df['column'].as_matrix（）

，或者您可以根据需要转换整个数据帧。

您可以通过

na_value

参数告诉read_csv NaN值是什么。这会将这些值转换为np.nan，然后您可以像往常一样替换它。非常感谢，@Jakub！它就像一个符咒！非常感谢你！它适用于串行对象或单个数据帧列。有转换整个数据帧的功能吗？@Jundong当然有。请参阅我的编辑。绕着驴圈就行了。非常感谢！我忘了

numpy.loadtxt

。我刚刚试过，意识到

numpy.loadtxt

要求每行必须具有相同数量的元素。对于我的.csv文件，需要跳过前几行，这也可以通过参数

skiprows

完成。对于

nan

，它可以通过

numpy.nan\u to_num

转换为0。这可能是另一种方法。您也可以使用

usecols

参数跳过列，但是，如果要跳过数组指定的某些列，则可能必须使用该数组来屏蔽包含所有列索引的另一个数组中的值。