迹忆客 专注技术分享

通过这个解释，我们将了解为什么会收到错误 TypeError: cannot convert the series to <class 'float'>。 我们还将学习如何修复它并更改 Python 中 Pandas 系列的数据类型。

在 Python 中无错误地转换 Pandas 系列的数据类型

让我们来看一个示例数据集。 我们将导入 Pandas 库，然后导入数据集； 我们将从各国的酒精消费量开始。

我们将声明一个名为“Alcohol”的变量，并从 http://bit.ly/drinksbycountry 读取 CSV 文件。

执行以下代码后，我们将查看 head()，我们应该看到六列和四行数字。

import pandas as pd

Alcohol = pd.read_csv('http://bit.ly/drinksbycountry')
Alcohol.head()

输出:

我们来看看这些列的数据类型。 我们将使用酒精数据框的 dtypes 属性来查找数据类型。

Alcohol.dtypes

现在我们将看到三列是整数列，一列是浮点列，然后两列是对象，这意味着国家和大陆只是字符串。

输出：

假设我们想要将spirit_servings 列转换为浮点而不是整数。 我们所要做的就是使用系列方法 astype() 并将其传递给 float，这意味着我们将其转换为浮点类型。

如果我们想要修改数据框，可以添加新列或覆盖现有的spirit_servings列。 如果我们定义 dtypes 来检查列的数据类型，我们会看到它已经改变，spirit_servings 现在是一个浮点列。

Alcohol['spirit_servings']=Alcohol.spirit_servings.astype(float)
Alcohol.dtypes

输出：

现在您可能想知道它有什么用。 当您有一个数据文件，其中数字存储为字符串并已将其读入 Pandas 字符串但想要对其进行数学运算时，通常会执行此操作。

要对列进行数学运算，它必须是数字类型，因此列类型应该是浮点数，这是更常见的用例。 如果不将其转换为 float 类型，您将收到类似 TypeError: Cannot Convert the Series to <class 'float'> 的错误。

又出现了一个问题：在实际读取 CSV 文件之前，它是如何找到每一列的类型的？ 现在我们将在CSV读取过程中更改数据类型； 我们必须再添加一个参数，dtype。

我们将它传递给字典； 字典键是spirit_servings，字典值是浮点数。 现在，如果我们检查该列的数据类型，我们会看到，spirit_servings 再次转换为浮点型。

Alcohol = pd.read_csv('http://bit.ly/drinksbycountry',dtype={'spirit_servings':'float'})
Alcohol.dtypes

输出：

这个和上面唯一的区别是这个方法是在读取过程中进行的。 在上面，我们在创建数据框后对其进行了转换。

Python 中无错误转换 Pandas 系列数据类型的另一个示例

现在我们将向您展示另一个数据集和另一个使用芯片订单数据的示例。

CHIP_ORDERS=pd.read_table('http://bit.ly/chiporders')
CHIP_ORDERS.head()

我们来看一下专栏。 我们想要关注 item_price 列。

CHIP_ORDERS.dtypes

Pandas 将 item_price 列存储为对象，即字符串，因为它不明白这些是数字。

为了用它做一些数学运算，我们必须从一系列中删除一个字符，比如 $ 符号。 我们可以使用 str 和 Replace() 方法将美元符号替换为空，但这还不够； 如果我们尝试对级数应用数学运算，则会出现错误。

CHIP_ORDERS.item_price.str.replace('$','').mean()

输出:

ValueError: could not convert string to float: '2.39 3.39 3.39...

这是因为即使我们删除了美元符号，它仍然是一个字符串，所以我们必须将其类型转换为浮点数。 将其类型转换为浮点数后，我们可以对其进行数学运算。

CHIP_ORDERS.item_price.str.replace('$','').astype(float).mean()

输出: