熊猫“.convert_objects（convert_numeric = True）”已弃用[重复]答案

【问题标题】：Pandas ".convert_objects(convert_numeric=True)" deprecated [duplicate]熊猫“.convert_objects（convert_numeric = True）”已弃用[重复]
【发布时间】：2016-01-12 14:37:21
【问题描述】：

我的代码中有这一行，它将我的数据转换为数字...

data["S1Q2I"] = data["S1Q2I"].convert_objects(convert_numeric=True)

问题是现在新的 pandas 版本（0.17.0）说这个功能已被弃用.. 这是错误：

FutureWarning: convert_objects is deprecated.  
Use the data-type specific converters pd.to_datetime, 
pd.to_timedelta and pd.to_numeric. 
data["S3BD5Q2A"] = data["S3BD5Q2A"].convert_objects(convert_numeric=True)

所以，我去了新文档，但找不到任何关于如何使用新函数转换数据的示例...

它只是这样说的：

“DataFrame.convert_objects 已被弃用，取而代之的是特定类型的函数 pd.to_datetime、pd.to_timestamp 和 pd.to_numeric（0.17.0 中的新功能）（GH11133）。”

任何帮助都会很好！

【问题讨论】：

您的意思是this 和this？您希望这会做什么/不做什么？
就是这样：data['S1Q2I'] = pd.to_numeric(data['S1Q2I'])
如果可以的话，如果我想转换整个 DataFrame 怎么办？ .convert_objects 将作用于 DataFrame，但 .to_numeric 仅作用于 Series。
相同的请求。如何转换整个 DataFrame ？
新的首选方法根本不捕获.convert_objects 的功能，它可以推断数据类型。如果您事先不知道列的类型，这很重要。

标签： python pandas

【解决方案1】：

正如@EvanWright 在 cmets 中所解释的，

data['S1Q2I'] = pd.to_numeric(data['S1Q2I'])

现在是转换类型的首选方式。更改的详细说明可以在 github PR GH11133 中找到。

【讨论】：

【解决方案2】：

您可以使用 apply as done here 来实现替换。一个例子是：

>>> import pandas as pd
>>> a = pd.DataFrame([{"letter":"a", "number":"1"},{"letter":"b", "number":"2"}])
>>> a.dtypes
letter    object
number    object
dtype: object
>>> b = a.apply(pd.to_numeric, errors="ignore")
>>> b.dtypes
letter    object
number     int64
dtype: object
>>>

但它在两个方面很糟糕：

您必须使用 apply 而不是非本地数据框方法
您必须复制到另一个数据框 - 无法在原地完成。非常适合与“大数据”一起使用。

我并不是很喜欢 pandas 的发展方向。 R data.table 我用的不多，但到目前为止它似乎更胜一筹。

我认为具有原生、就地类型转换的数据表对于竞争性数据分析框架来说是非常基础的。

【讨论】：

【解决方案3】：

您可以让它正确地应用于数据框中的特定变量名称，而不必像这样复制到不同的数据框中：

>>> import pandas as pd
>>> a = pd.DataFrame([{"letter":"a", "number":"1"},{"letter":"b", "number":"2"}])
>>> a.dtypes
letter    object
number    object
dtype: object
>>> a['number'] = a['number'].apply(pd.to_numeric, errors='coerce')
>>> a.dtypes
letter    object
number     int64
dtype: object

基于上述原始问题的示例如下：

data['S1Q2I'] = data['S1Q2I'].apply(pd.to_numeric, errors='coerce')

这与您原来的工作方式相同：

data['S1Q2I'] = data['S1Q2I'].convert_objects(convert_numeric=True)

反正在我手里……

这并没有解决 abalter 关于推断数据类型的观点，我担心这有点超出我的想象！

【讨论】：

啊，我刚刚阅读了here 的讨论，现在很欣赏这些限制。最烦人。但是，如果您有一个特定的数据框列要转换，那么您可以这样做。

【解决方案4】：

这取决于熊猫的哪个版本...... 如果你有 Pandas 的 0.18.0 版本这种类型可以工作........

df['col name'] = df['col name'].apply(pd.to_numeric, errors='coerce')

其他版本........

df['col name']=df.col name .astype(float)

【讨论】：

【解决方案5】：

如果您一次将所有列转换为数字，则此代码可能有效。

data = data.apply(pd.to_numeric, axis=0)

【讨论】：