如何将不需要的字符串值转换为 Pandas 中的 NaN

【问题标题】：How to turn unwanted string values into NaNs in pandas如何将不需要的字符串值转换为 Pandas 中的 NaN
【发布时间】：2020-12-30 00:57:05
【问题描述】：

我在一项任务中挣扎。我导入了一个不干净的数据框，并且一些应该只有浮点值的列也有字符串，这会破坏我的数据并且不允许我执行回归。

如果我有一个包含混合数据类型的数据框 X 和 "investment_rounds" 列。

我想要类似的东西

np.where(X["investment_rounds"] == np.dtype.str, np.nan, X)

有什么想法吗？

【问题讨论】：

标签： python pandas

【解决方案1】：

这里的关键是to_numeric的errors='coerce'参数

根据Documentation，它将替换任何无法用NaN转换的值

import pandas as pd
df = pd.DataFrame({'investment_rounds':['1.0','2.0','bad','data','3.0']})
df['investment_rounds'] = pd.to_numeric(df['investment_rounds'], errors='coerce')

输出

    investment_rounds
0   1.0
1   2.0
2   NaN
3   NaN
4   3.0

【讨论】：

非常感谢，这真的很有帮助。你可以对整个数据框做同样的事情吗？目前，我只是使用了 for 循环。我会投票但还没有声誉:)
如果你有 A、B、C 列并且你想同时转换它们df[['A','B','C']] = df[['A','B','C'].apply(pd.to_numeric, errors='coerce')