¿Cómo convertir strings en flotantes en Pandas DataFrame?

En este artículo, veremos diferentes formas en las que podemos convertir una string en un flotante en un marco de datos de pandas. Ahora, creemos un marco de datos con ‘Año’ y ‘Tasa de inflación’ como columna.

# importing pandas library
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
        'Inflation Rate': ['4.47', '5', 
                           '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# show the dataframe
print (df)
  
# show the datatypes
print(df.dtypes)

Producción:

Método 1: Usar DataFrame.astype() .

El método se usa para convertir un objeto pandas a un tipo de d especificado. 

Sintaxis: DataFrame.astype(self: ~ FrameOrSeries, dtype, copy: bool = True, errores: str = ‘raise’)
 

Devoluciones: casted: tipo de llamador

Ejemplo: En este ejemplo, convertiremos cada valor de la columna ‘Tasa de inflación’ en flotante.

# importing pandas library
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
        'Inflation Rate': ['4.47', '5', 
                           '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value 
# of column to a string
df['Inflation Rate'] = df['Inflation Rate'].astype(float)
  
# show the dataframe
print(df)
  
# show the datatypes
print (df.dtypes)

Producción:

Método 2: Usar la función pandas.to_numeric() .

La función se utiliza para convertir el argumento a un tipo numérico.
 

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

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. 

Ejemplo 1: En este ejemplo, convertiremos cada valor de la columna ‘Tasa de inflación’ en flotante.

Código:

# importing pandas library
import pandas as pd
  
# creating a dictionary
Data = {'Year': ['2016', '2017', 
                 '2018', '2019'],
          'Inflation Rate': ['4.47', '5', 
                             '5.98', '4.1']}
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value of column to a string
df['Inflation Rate'] = pd.to_numeric(df['Inflation Rate'])
  
# show the dataframe
print(df)
  
# show the data types
print (df.dtypes)

Producción:
 

Ejemplo 2: A veces, es posible que no tengamos un valor flotante representado como una string. Entonces, la función pd.to_numeric() mostrará un error. Para eliminar este error, podemos usar errors=’coerce’ , para convertir el valor en esta posición para convertirlo a NaN . 

Código : 

# importing pandas as pd
import pandas as pd
  
# dictionary
Data = {'Year': ['2016', '2017',
                 '2018', '2019'],
         'Inflation Rate': ['4.47', '5', 
                           'No data', '4.1']}
  
# create a dataframe
df = pd.DataFrame(Data)
  
# converting each value of column to a string
df['Inflation Rate'] = pd.to_numeric(df['Inflation Rate'],
                                     errors = 'coerce')
  
# show the dataframe
print(df)
  
# show the data types
print (df.dtypes)

Producción:
 

Nota: el tipo de datos de string se muestra como un objeto.