小编点评

**字符串转数字的用途和场景** **数据清洗** * 避免数据类型错误。 * 将字符串类型转换为数字类型。 **数据整理** * 去除格式问题。 * 将字符串类型转换为数字类型。 **数据可视化** * 将含有数字信息的字符串转换为数字类型。 **机器学习** * 将文本或其他非数字类型的特征转换为数字型特征。 **常用的字符串转数字方法** **1. astype** * 通过 `astype()` 函数更改列的数据类型。 **2. to_numeric** * 使用 `to_numeric()` 函数强制转换字符串到数字类型。 * 允许设置 `errors` 参数来控制错误处理。 **3. pd.to_numeric** * 使用 `pd.to_numeric()` 函数进行更复杂的数据类型转换。 * 支持多种错误处理选项。 **4. pd.apply** * 使用 `apply()` 方法对所有列进行数据类型转换。 * 效率可能比 `to_numeric()` 方法高。 **5. pandas.to_numeric** * 使用 `pandas.to_numeric()` 函数进行全局数据类型转换。 * 适用于大量列。

正文

字符串转数字的用途和场景很多，其中主要包括以下几个方面：

1. 数据清洗：在进行数据处理时，经常会遇到一些数据类型不匹配的问题，比如某些列中的字符串类型被误认为是数字类型，此时需要将这些字符串类型转换为数字类型，才能进行后续的数值计算或统计分析。
2. 数据整理：有时候输入的原始数据可能存在格式问题，例如有些数值前面带有美元符号或者其他符号，这些符号会干扰后续的计算，因此需要将它们去掉并转换为数字类型。
3. 数据可视化：在进行数据可视化时，需要将含有数字信息的字符串转换成数字类型，以便于更好地展示数据、制作图表。
4. 机器学习：在机器学习领域中，经常需要将文本或其他非数字类型的特征转换为数字型特征，从而应用各种基于数值型特征的算法模型。

本篇介绍一些常用的字符串转数值的方法。

1. 一般情况

一般情况下，只需要通过 astype 函数就可以改变列的数据类型。

import pandas as pd

df = pd.DataFrame({
    "A": [1,2,3],
    "B": [1.1,2.2, 3.3],
    "C":["1.2", "2.3", "3.3"],
})

df.dtypes
df.C = df.C.astype("float64")
df.dtypes

上面的示例把C列有字符串类型转换成了浮点数类型。

2. 异常值情况

上面的示例中，C列中每个字符串都可以正常转换成浮点数，所以用astype函数就可以了。
不过，大部分情况下，待转换的列中会存在无法正常转换的异常值。
直接转换会报错：

df = pd.DataFrame({
    "A": [1,2,3],
    "B": [1.1,2.2, 3.3],
    "C":["1.2", "2.3", "xxx"],
})

df.dtypes
df.C = df.C.astype("float64")
df

这时，可以用 to_numeric 函数，此函数的 errors 参数有3个可选值：

1. ignore：出现错误时忽略错误，但是正常的值也不转换
2. raise：抛出错误，和astype函数一样
3. coerce：无法转换的值作为NaN，可转换的值正常转换

df = pd.DataFrame({
    "A": [1,2,3],
    "B": [1.1,2.2, 3.3],
    "C":["1.2", "2.3", "xxx"],
})

df
df.C = pd.to_numeric(df.C, errors="coerce")
df

C列正常转换为float64，无法转换的值变成NaN。

如果不希望用NaN来填充异常的值，可以再用 fillna 填充自己需要的值。

df.C = pd.to_numeric(
    df.C, errors="coerce"
).fillna(0.0)
df

3. 全局转换

如果需要转换成数值类型的列比较多，用上面的方法一个列一个列的转换效率不高。
可以用apply方法配合 to_numeric 一次转换所有的列。

df = pd.DataFrame({
    "A": [1,2,3],
    "B": [1.1,2.2, 3.3],
    "C":["1.2", "2.3", "xxx"],
    "D":["10", "4.6", "yyy"],
})

df
df = df.apply(
    pd.to_numeric, errors="coerce"
)
df

同样，apply也可以通过fillna填充缺失值NaN。

df = df.apply(
    pd.to_numeric, errors="coerce"
).fillna(0.0)
df