python - 如何忽略 pandas.to_numeric() 中的错误并将字符串更改为 int

Question

我收到来自 pandas.to_numeric() 的意外响应。如果我使用 to_numeric

    a = pd.Series(['1', '2', '3', np.nan])
    b = pd.to_numeric(a, downcast='integer', errors='ignore')
    print([type(each) for each in b])

响应是:[float, float, float, float]

但是如果我在系列中有真正的 str，比如

    a = pd.Series(['1', '2', '3', np.nan, 'a'])
    b = pd.to_numeric(a, downcast='integer', errors='ignore')
    print([type(each) for each in b])

它返回[str, str, str, float, str]

文档说:

If ‘ignore’, then invalid parsing will return the input

而且我认为无效解析只是'a'，所以我应该得到:[float, float, float, float, str]

问题是如何修复它并得到[float, float, float, float, str]

Answer 1

一种可能的解决方案是使用 errors='coerce'将缺失值替换为原始值 - 所以最后 a在最后 Series :

a = pd.Series(['1', '2', '3', np.nan, 'a'])
b = pd.to_numeric(a, errors='coerce').fillna(a)
print([type(each) for each in b])
[<class 'float'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'str'>]

另一个想法是将函数与 try-exception 一起使用 block :

a = pd.Series(['1', '2', '3', np.nan, 'a'])

def func(x):
    try:
        return int(x)
    except Exception:
        return x

b = a.apply(func)
print([type(each) for each in b])
[<class 'int'>, <class 'int'>, <class 'int'>, <class 'float'>, <class 'str'>]

如果可能的话，整数和字符串表示中的浮点值:

a = pd.Series(['1', '2', '3.3', np.nan, 'a'])

def func(x):
    try:
        return int(x)
    except Exception:
        try:
            return float(x)
        except Exception:
            return x

b = a.apply(func)
print([type(each) for each in b])
[<class 'int'>, <class 'int'>, <class 'float'>, <class 'float'>, <class 'str'>]