python - Pandas 数据框和 to_numeric : select column by index

Question

这个问题可能非常愚蠢，但我伤了脑筋想知道该怎么做

有一个包含 N 列的 pd.dataframe。我需要选择一些列，通过列的索引引用，然后将所有值转换为数字并在我的 dataframe

中重写该列

我已经通过列名引用完成了它(比如 df['a'] = pd.to_numeric(df['a']) 但坚持使用索引(比如 df[ 1] = pd.to_numeric(df[1])

在这种情况下，dataframe 列引用的正确方法是什么？ ( python 2.7)

Answer 1

您可以使用 ix用于选择列，然后选择 apply to_numeric :

import pandas as pd

df = pd.DataFrame({1:['1','2','3'],
                   2:[4,5,6],
                   3:[7,8,9],
                   4:['1','3','5'],
                   5:[5,3,6],
                   6:['7','4','3']})

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    object
2     int64
3     int64
4    object
5     int64
6    object
dtype: object

print (df.columns)
Int64Index([1, 2, 3, 4, 5, 6], dtype='int64')

cols = [1,4,6]    
df.ix[:, cols] = df.ix[:, cols].apply(pd.to_numeric)

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    int64
2    int64
3    int64
4    int64
5    int64
6    int64
dtype: object

如果列是strings，而不是int(但它看起来像int)添加''到数字在 list cols 中:

import pandas as pd

df = pd.DataFrame({'1':['1','2','3'],
                   '2':[4,5,6],
                   '3':[7,8,9],
                   '4':['1','3','5'],
                   '5':[5,3,6],
                   '6':['7','4','3']})

#print (df)

#print (df.dtypes)

print (df.columns)
Index(['1', '2', '3', '4', '5', '6'], dtype='object')

#add `''`
cols = ['1','4','6']
#1. ix: supports mixed integer and label based access     
df.ix[:, cols] = df.ix[:, cols].apply(pd.to_numeric)

#2. loc: only label based access
# df.loc[:, cols] = df.loc[:, cols].apply(pd.to_numeric)

#3. iloc: for index based access
# cols = [i for i in range(len(df.columns))]
# df.iloc[:, cols].apply(pd.to_numeric)

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    int64
2    int64
3    int64
4    int64
5    int64
6    int64
dtype: object