Python | método pandas.to_numeric

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

pandas.to_numeric()es una de las funciones generales en Pandas que se utiliza para convertir un argumento en un tipo numérico.

Sintaxis: pandas.to_numeric(arg, errores=’subir’, downcast=Ninguno)

Parámetros:
arg: lista, tupla, array 1-d o
errores de serie: {‘ignorar’, ‘elevar’, ‘coaccionar’}, ‘elevar’ predeterminado
-> Si ‘elevar’, entonces el análisis no válido generará una excepción
– > Si ‘coacciona’, el análisis no válido se establecerá como NaN
-> Si ‘ignora’, el análisis no válido devolverá la entrada a la
baja: [predeterminado Ninguno] Si no es Ninguno, y si los datos se han convertido con éxito a un tipo numérico reduce los datos resultantes al tipo numérico más pequeño posible de acuerdo con las siguientes reglas:
-> ‘entero’ o ‘con signo’: el tipo de int con signo más pequeño (mín.: np.int8)
-> ‘sin signo’: el tipo de int sin signo más pequeño (mín. .: np.uint8)
->‘float’: tipo de flotador más pequeño (mín.: np.float32)

Devuelve: numérico si el análisis se realizó correctamente. Tenga en cuenta que el tipo de devolución depende de la entrada. Serie si Serie, de lo contrario ndarray.

Código #1:

Observe primero este conjunto de datos. Usaremos la columna ‘Números’ de estos datos para hacer Series y luego hacer la operación.

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
  
df.head(10)

Llamar al constructor de la serie en la columna Número y luego seleccionar las primeras 10 filas.

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("nba.csv") 
  
  
# get first ten 'numbers'
ser = pd.Series(df['Number']).head(10)
ser

Producción:

Usando el método pd.to_numeric(). Observe que al usar downcast=’signed’, todos los valores se convertirán en enteros.

pd.to_numeric(ser, downcast ='signed')

Producción:

Código #2: Uso de errores=’ignorar’. Ignorará todos los valores no numéricos.

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='ignore')

Salida:

 
Código #3: Usar errores=’coaccionar’. Reemplazará todos los valores no numéricos con NaN.

# importing pandas module 
import pandas as pd 
    
  
# get first ten 'numbers'
ser = pd.Series(['Geeks', 11, 22.7, 33])
  
pd.to_numeric(ser, errors ='coerce')

Producción: