pandas 0.23 - pandas.to_numeric()

pandas.to_numeric




pandas

pandas.to_numeric

pandas.to_numeric(arg, errors='raise', downcast=None) [source]

तर्क को संख्यात्मक प्रकार में बदलें।

पैरामीटर:
arg : list, tuple, 1-d array, or Series

त्रुटियां : {'नजरअंदाज करना', 'उठाना', 'डराना'}, डिफ़ॉल्ट 'उठाना'

  • यदि 'बढ़ा' है, तो अमान्य पार्सिंग एक अपवाद को बढ़ाएगा
  • यदि 'मोटे तौर पर', तो अमान्य पार्सिंग को NaN के रूप में सेट किया जाएगा
  • यदि 'अनदेखा' करते हैं, तो अमान्य पार्सिंग इनपुट वापस कर देगा

डाउनकास्ट : {'पूर्णांक', 'हस्ताक्षरित', 'अहस्ताक्षरित', 'फ्लोट'}, डिफ़ॉल्ट कोई नहीं

यदि कोई नहीं है, और यदि डेटा को एक संख्यात्मक dtype के लिए सफलतापूर्वक डाला गया है (या यदि डेटा के साथ शुरू करने के लिए संख्यात्मक था), तो नीचे दिए गए नियमों के अनुसार सबसे छोटे संख्यात्मक dtype के लिए संभव डेटा जिसके परिणामस्वरूप:

  • 'पूर्णांक' या 'हस्ताक्षरित': सबसे छोटा हस्ताक्षर किया गया इंट dtype (न्यूनतम: np.int8)
  • 'अहस्ताक्षरित': सबसे छोटा अहस्ताक्षरित int dtype (न्यूनतम: np.uint8)
  • 'फ्लोट': सबसे छोटी फ्लोट dtype (मिनट: np.float32)

चूंकि यह व्यवहार मूल रूपांतरण से संख्यात्मक मानों से अलग है, इसलिए डाउनकास्टिंग के दौरान उठाए गए किसी भी त्रुटि 'त्रुटियों' इनपुट के मूल्य की परवाह किए बिना सामने आएंगे।

इसके अलावा, डाउनकास्टिंग केवल तब होगी जब परिणामी डेटा के dtype का आकार dtype से कड़ाई से बड़ा हो, इसलिए यदि dtypes में से किसी ने भी उस विनिर्देश को संतुष्ट नहीं किया, तो डेटा पर कोई डाउनकास्टिंग नहीं की जाएगी।

संस्करण में नया 0.19.0।

यह दिखाता है:

रिट : न्यूमेरिक यदि पार्सिंग सफल हुआ।

रिटर्न प्रकार इनपुट पर निर्भर करता है। श्रृंखला यदि श्रृंखला, अन्यथा ndarray

यह भी देखें

pandas.DataFrame.astype
एक निर्दिष्ट dtype को तर्क दें।
pandas.to_datetime
तर्क को डेटाइम में बदलें।
pandas.to_timedelta
तर्क को समयबद्धता में बदलें।
numpy.ndarray.astype
एक निर्दिष्ट प्रकार के लिए एक सुस्पष्ट सरणी कास्ट करें।

उदाहरण

अलग सीरीज़ लें और जब बताया जाए तो न्यूमेरिक में कन्वर्ट करें

>>> import pandas as pd
>>> s = pd.Series(['1.0', '2', -3])
>>> pd.to_numeric(s)
0    1.0
1    2.0
2   -3.0
dtype: float64
>>> pd.to_numeric(s, downcast='float')
0    1.0
1    2.0
2   -3.0
dtype: float32
>>> pd.to_numeric(s, downcast='signed')
0    1
1    2
2   -3
dtype: int8
>>> s = pd.Series(['apple', '1.0', '2', -3])
>>> pd.to_numeric(s, errors='ignore')
0    apple
1      1.0
2        2
3       -3
dtype: object
>>> pd.to_numeric(s, errors='coerce')
0    NaN
1    1.0
2    2.0
3   -3.0
dtype: float64