pandas to_numeric downcast='signed‘返回float64

Question

我有一个dataset，其中pandas.read_csv()处理将一些连续的数值列/特征/变量数据从object适当地强制转换为float64、int64或uint8，而不是其他的。

因此，我尝试使用下面的pandas.to_numeric()调用并指定了int64参数，将本应转换为continuous数字类型的列数据转换为continuous数字类型，但仍然得到了float64结果。

df.wc = pd.to_numeric(df.wc, errors='coerce', downcast='signed') 
# call to convert object to int64 vs float64 

在尝试将对象类型转换为最具体的连续数值类型时，是否存在典型的列/特征/变量集问题，导致该参数设置被忽略？

Answer 1

根据documentation的说法

...将结果数据向下转换为可能的最小数值数据类型。

根据我的实验，可以向下转换为整数值，例如

pd.to_numeric(pd.Series([1.0, 2.0]), downcast='unsigned')
0    1
1    2
dtype: uint8

但是，不可能向下转换为整数值，例如

pd.to_numeric(pd.Series([1.1, 2.1]), downcast='unsigned')
0    1.1
1    2.1
dtype: float64

如果您希望在结果中获得int64值，则可以应用pd.Series.astype

pd.Series([1.1, 2.1]).astype(int)
0    1
1    2
dtype: int64

您可能会感兴趣

• When to apply(pd.to_numeric) and when to astype(np.float64) in python?
• pd.to_numeric(series, downcast='integer') does not prpoerly handle floats over 10,000

Answer 2

在使用时

pandas.to_numeric(df[some_column], errors='coerce', downcast='integer')

似乎some_column中的任何“不可向下转换”值都会使整个列不会被向下转换。

一个演练是将非数字值的删除和向下转换为符号或整型分开：

df[some_column]=pd.to_numeric(df[some_column], errors='coerce')
df.dropna(subset = [some_column], inplace = True)
df[some_column]=pd.to_numeric(df[some_column], downcast='integer')

第一行将非数字值设置为NaN。第二行将它们放在适当的位置。第三行将它们转换为整数。