KNIMEとか倉庫

KNIMEやEXCELなどの備忘録です。

【Python】dataframeを数字に変換したい。

・お題:pandasのdataframeで、本来数字が入るべきところにエラーの文字列が入っており、無視したいのに数字として処理できない。文字列をNaNに変換し、数字として扱いたい。

 

・データセットを作成する。

import pandas as pd
df=pd.DataFrame({"A":[1,2,3,4,5],
                "B":[1.2, 2.3, 3.4, 4.5, 5.6],
                "C":[6,"seven","eight",9,10],
                "D":[6.5,"n.r",8.9,"n.z","j.j"],
                "E":["a","b","c","d","e"]})

これでdfは以下になる。

 

・各列のデータ型を見てみる。

df.info()で以下が返ってくる。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   A       5 non-null      int64  
 1   B       5 non-null      float64
 2   C       5 non-null      object 
 3   D       5 non-null      object 
 4   E       5 non-null      object 
dtypes: float64(1), int64(1), object(3)
memory usage: 328.0+ bytes

CDE列がobjectになっており、数字として認識されていないっぽい。

・非数字を数字(NaNとして欠損値処理)するには、pandasのto_numericメソッドを使う。きちんとしたことは、以下の公式サイトから確認していただきたい。

pandas.pydata.org

henkan=lambda x :pd.to_numeric(x,errors="coerce")

df2=df.apply(henkan)

とすると、df2は以下になる。

・各列のデータ型を見てみる。

df2.info()とすると、以下が返ってくる。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   A       5 non-null      int64  
 1   B       5 non-null      float64
 2   C       3 non-null      float64
 3   D       2 non-null      float64
 4   E       0 non-null      float64
dtypes: float64(4), int64(1)
memory usage: 328.0 bytes

CDE列が数字(float64)に変換された。

 

おわり。